同时使用TensorFlow和Pandas时的Numpy版本冲突问题求助

两个报错由依赖版本的交叉不匹配触发：

• 报错 Cannot convert a symbolic Tensor... 触发条件：TensorFlow 版本 ≤ 2.5 + Numpy 版本 ≥ 1.20，属于TensorFlow旧版本的已知兼容缺陷，高版本Numpy会隐式尝试转换符号张量为数组，违反TensorFlow的静态图调用规则。
• 报错 numpy.ndarray size changed... 触发条件：Pandas 版本 ≥ 1.3.0 + Numpy 版本 ≤ 1.19.5，Pandas 1.3之后的版本是基于Numpy 1.20以上编译的，低版本Numpy的C二进制接口和编译时不匹配。

按你的项目约束任选一种即可：

方案1：升级TensorFlow适配高版本依赖（推荐） #

适合可以升级TensorFlow的新项目，能同时使用新版Pandas的所有特性：

• 选用Numpy 1.21.x（这个版本同时兼容TensorFlow 2.6+和所有新版Pandas，避免更高版本Numpy带来新的兼容问题）
• 执行安装命令：
  pip install tensorflow>=2.6 pandas>=1.3 numpy==1.21.6
• 若使用GPU版本，将tensorflow替换为对应版本的tensorflow-gpu即可。

方案2：降级Pandas适配旧版TensorFlow #

适合必须使用TensorFlow ≤2.5的存量旧项目：

• 保持Numpy=1.19.5，将Pandas降级到1.2.5（这是最后一个兼容Numpy 1.19.x的Pandas版本）
• 执行安装命令：
  pip install tensorflow<=2.5 pandas==1.2.5 numpy==1.19.5

方案3：临时调试规避（不推荐长期使用） #

如果不想修改依赖版本，仅临时跑代码验证，可以在代码入口处添加配置关闭静态图模式，避免符号张量报错：

import tensorflow as tf
tf.compat.v1.enable_eager_execution()

涉及张量转数组的操作，提前调用.numpy()方法显式转换，也可规避Numpy隐式转换触发的报错。

依次执行以下代码确认兼容：

1. 验证Pandas导入正常：import pandas as pd; print(pd.__version__)
2. 验证TensorFlow运行正常：构造简单的LSTM输入测试，无符号张量转换报错即可。

内容的提问来源于stack exchange，提问作者Wadser