我推荐用conda环境做依赖隔离，避免和全局环境的包冲突，步骤很清晰：

• 第一步：创建并激活专属conda环境
  打开Anaconda Prompt（Windows）或者终端（Linux/macOS），执行以下命令：

  conda create -n keras-mxnet python=3.8  # Python版本可按需更换，比如3.7/3.9都可行
  conda activate keras-mxnet
  

  后续所有操作都在这个专属环境里进行，能减少很多版本兼容问题。

• 第二步：安装MXNet
  分CPU和GPU版本选择安装命令：

  • CPU版本直接安装：

    conda install -c conda-forge mxnet
    

  • GPU版本需匹配你的CUDA版本，比如CUDA 11.2对应的命令：

    conda install -c conda-forge mxnet-cu112
    

• 第三步：安装Keras
  优先用conda安装，兼容性更有保障：

  conda install -c conda-forge keras
  

  如果conda源的版本不符合需求，也可以用pip安装：

  pip install keras
  

• 第四步：配置Keras后端为MXNet
  有两种配置方式可选：

  1. 永久生效配置：找到Keras的配置文件——Linux/macOS路径为~/.keras/keras.json，Windows路径为C:\Users\<你的用户名>\.keras\keras.json，将文件内容修改为：

     {
         "floatx": "float32",
         "epsilon": 1e-07,
         "backend": "mxnet",
         "image_data_format": "channels_last"
     }
     

  2. 临时生效配置：每次激活conda环境后执行以下命令（仅对当前终端会话有效）：

     export KERAS_BACKEND=mxnet  # Linux/macOS使用此命令
     set KERAS_BACKEND=mxnet     # Windows使用此命令
     

先解决当前的识别问题 #

你提到手动安装Keras后Anaconda无法识别，大概率是Keras被装到了系统全局Python环境，而非你需要的conda环境里。解决方法很直接：

• 先激活目标conda环境，然后用该环境内的pip重新安装Keras：

  conda activate your-env-name  # 替换成你实际使用的conda环境名
  pip install keras
  

  注意一定要用conda环境内的pip，避免调用全局pip！安装完成后可以验证：激活环境后打开Python，输入import keras; print(keras.backend.backend())，如果输出mxnet就说明配置成功。

类似AWS AMIs的兼容安装方式 #

AWS深度学习AMI的核心思路是用conda环境预装好所有依赖，你可以复刻这个配置逻辑，或者用更稳妥的方式：

• 复刻AWS AMI的依赖配置
  激活conda环境后，依次安装以下包，和AWS AMI的依赖栈基本一致，版本冲突概率极低：

  conda activate keras-mxnet
  conda install -c conda-forge mxnet python=3.8 numpy scipy pandas matplotlib
  pip install keras
  

• 指定兼容版本安装
  如果conda源的Keras和MXNet版本不匹配，可以指定已知兼容的版本组合，比如Keras 2.3.1和MXNet 1.8.0的兼容性就很好：

  conda activate keras-mxnet
  pip install keras==2.3.1 mxnet==1.8.0
  

• 让Jupyter Notebook识别conda环境
  很多时候不是Keras没装对，而是Jupyter使用的内核不对。你可以把conda环境添加到Jupyter的内核列表：

  1. 激活conda环境，安装ipykernel：

     conda activate keras-mxnet
     conda install ipykernel
     

  2. 将该环境注册为Jupyter内核：

     python -m ipykernel install --user --name keras-mxnet --display-name "Keras-MXNet"
     

  3. 打开Jupyter Notebook后，在顶部「Kernel」菜单中选择「Keras-MXNet」内核，就能正常使用Keras了。

内容的提问来源于stack exchange，提问作者Ștefan