使用Conda升级TensorFlow至1.7.0失败且降级至1.1.0的原因咨询

我来帮你拆解下遇到的这两个问题——为啥升级反而降级到1.1.0，以及为啥升不到1.7.0，再给你点实用的解决思路：

一、为啥升级后反而降到了1.1.0？ #

这大概率是Conda的依赖冲突处理机制在起作用，常见情况有这几种：

• 依赖包不兼容：TensorFlow 1.7.0对numpy、protobuf这类核心依赖有特定版本要求，比如它需要numpy至少1.13.3。如果你的当前环境里这些依赖版本太老，又没法自动升级（比如升级会破坏其他已装包），Conda就会退而求其次，找一个能和所有现有依赖兼容的TensorFlow版本，1.1.0可能就是那个“最兼容”的旧版本。
• 频道优先级搞鬼：如果你的Conda配置里，默认频道的TensorFlow索引更新不及时，或者某个低版本频道优先级更高，Conda会优先从那个频道拉包。比如早期defaults频道可能没把1.7.0的包放在高优先级位置，反而1.1.0的包更容易被找到。
• 命令没指定版本：如果你只输了conda install tensorflow而没加=1.7.0，Conda会根据当前环境的约束，安装它认为“最合适”的版本，而不是你想要的目标版本，结果就可能降级了。

二、为啥没法通过Conda升级到1.7.0？ #

主要是这几个拦路虎：

• 依赖链卡壳：刚才说过，1.7.0对依赖有明确要求，比如Python版本得是3.5或3.6（它不支持3.7及以上，对Python2.7的支持也有限），numpy、protobuf也得达标。如果你的环境里这些条件不满足，Conda找不到能匹配的安装组合，自然装不上。
• 平台/版本无对应包：TensorFlow 1.7.0比较老，部分平台（比如早期Windows）的Conda频道可能没有上架这个版本的包，或者对应Python版本的包已经下架了，导致Conda搜不到。
• 频道没包含目标版本：默认的defaults频道可能已经移除了1.7.0的旧包，但conda-forge这类第三方频道可能还保留着。如果你的频道列表里没加conda-forge，或者优先级不够，就会找不到包。

三、解决思路 #

给你几个可行的方案，按稳妥程度排序：

1. 新建干净的虚拟环境（最推荐）
   旧环境依赖太乱的话，直接建个新环境避开麻烦：

   # 创建Python3.6的虚拟环境（1.7.0适配这个版本）
   conda create -n tf17_env python=3.6
   # 激活环境
   conda activate tf17_env
   # 安装指定版本
   conda install tensorflow=1.7.0
   

2. 指定版本并强制更新依赖
   在当前环境里试试强制解决依赖冲突：

   conda install tensorflow=1.7.0 --update-deps
   

   如果还是有问题，加上--force-reinstall重新安装，不过这个可能会升级其他依赖，要注意是否影响其他包。
3. 换频道安装
   试试从conda-forge频道拉包，这个频道的旧版本包通常更全：

   conda install -c conda-forge tensorflow=1.7.0
   

4. 先检查环境配置
   先运行conda list看看当前Python版本、numpy、protobuf的版本，确认是否符合1.7.0的要求。如果Python版本不对，先调整环境的Python版本。

内容的提问来源于stack exchange，提问作者mp3912