我之前也踩过conda依赖冲突的坑，给你几个实用的解决思路，亲测有效：

1. 切换到conda-forge频道安装 #

conda默认频道的包版本经常滞后，兼容性容易出问题，换成conda-forge频道试试——这个频道的包更新更及时，适配性更好：

# 安装CPU版Keras
conda install -c conda-forge keras
# 如果要装GPU版，用这条
conda install -c conda-forge keras-gpu

2. 新建独立conda环境隔离依赖 #

base环境里装的包太多太杂，版本互相打架是依赖冲突的重灾区。最稳妥的办法是新建一个干净的环境专门跑Keras：

# 创建名为keras_env的环境，指定Python版本（比如3.8，可根据需求调整）
conda create -n keras_env python=3.8
# 激活新环境
conda activate keras_env
# 安装Keras（或keras-gpu）
conda install keras

全新环境没有冗余包，基本不会出现依赖冲突。

3. 手动移除冲突包后再安装 #

如果不想新建环境，可以先卸载冲突的backports.functools_lru_cache包，再尝试安装Keras：

conda remove backports.functools_lru_cache
conda install keras

注意：卸载前先执行conda info backports.functools_lru_cache查看它的依赖关系，避免误删导致其他工具失效。

4. 更新conda版本再尝试 #

旧版本的conda在依赖解析上可能存在bug，先把conda更到最新版再试：

conda update -n base -c defaults conda

更新完成后重新执行Keras安装命令。

补充：你之前卸载nltk解决了部分冲突，说明base环境确实存在版本兼容问题，所以最推荐第二种新建环境的方法，长期来看能避免很多类似麻烦。

内容的提问来源于stack exchange，提问作者silent_dev