我太懂你这种折腾版本的崩溃感了——从一开始找不到TensorFlow模块，到被迫重装Anaconda，好不容易搞定安装，升级Python到3.12.7又踩了NumPy版本冲突的坑，简直连环暴击！

先帮你理清楚问题根源：你现在遇到的报错核心是TensorFlow 2.0这种早期版本还没适配NumPy 2.x系列，升级Python后pip自动安装了最新的NumPy 2.1.3，但TensorFlow的底层模块是基于NumPy 1.x编译的，两者不兼容就触发了这个报错。

给你几个直接可行的解决办法，按优先级来：

1. 紧急降级NumPy到1.x版本（最快解决当前报错） #

这是最直接的临时修复方案，先让你的代码跑起来：

• 打开Anaconda Prompt（或者你常用的终端），如果用了虚拟环境先激活它：

  conda activate 你的环境名称
  

• 用pip降级NumPy到1.x系列：

  pip install numpy<2
  

• 如果你更习惯用conda管理依赖，也可以指定一个稳定的1.x版本：

  conda install numpy=1.26.4
  

2. 调整Python和TensorFlow版本的兼容性（从根源解决问题） #

TensorFlow 2.0是比较老的版本了，官方支持的Python版本最高只到3.8左右，你直接升到3.12.7肯定会有一堆兼容性问题，这也是你之前各种报错的原因之一。这里有两个方向：

• 如果坚持用TensorFlow 2.0：把Python降级到3.7或3.8版本，再重新安装对应版本的依赖，这样能最大程度避免版本冲突
• 如果可以升级TensorFlow：换成支持Python 3.12的新版本（比如TensorFlow 2.15及以上），这些版本已经适配了较新的Python和NumPy版本，后续也更稳定

3. 用Anaconda虚拟环境隔离依赖（避免后续踩坑） #

建议不要直接在base环境里折腾，创建一个专门的环境来管理TensorFlow相关依赖，这样各个项目的版本不会互相干扰：

• 创建一个适配TensorFlow 2.0的环境（以Python 3.8为例）：

  conda create -n tf_env python=3.8 tensorflow=2.0
  

• 激活环境：

  conda activate tf_env
  

• 安装Jupyter Notebook：

  conda install jupyter
  

这样所有依赖都是官方匹配的版本，不会再出现莫名其妙的冲突。

附上你运行的代码和遇到的报错信息：

运行代码 #

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf

报错信息 #

A module that was compiled using NumPy 1.x cannot be run in
NumPy 2.1.3 as it may crash. To support both 1.x and 2.x
versions of NumPy, modules must be compiled with NumPy 2.0.
Some module may need to rebuild instead e.g. with 'pybind11>=2.12'.

If you are a user of the module, the easiest solution will be to
downgrade to 'numpy<2' or try to upgrade the affected module.
We expect that some modules will need time to support NumPy 2.

备注：内容来源于stack exchange，提问作者Michael Yen Ezett