激活TensorFlow环境后Python版本切换为3.5.2致NLTK不可用，如何解决？

我已在Python 3.6.3环境中成功安装NLTK且可正常使用，但需要运行一个同时导入NLTK和TensorFlow的文件，因此必须激活TensorFlow环境。在默认环境中执行命令如下：

HP-250-G5-Notebook-PC:~$ python
Python 3.6.3 |Anaconda custom (64-bit)| (default, Oct 13 2017, 12:02:49) [GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import nltk
>>> 

激活TensorFlow环境后，系统自动切换为Python 3.5.2，导致NLTK无法使用。

这个问题本质是conda环境的隔离特性导致的——你在Python3.6.3环境里安装的NLTK只属于该环境，而TensorFlow环境用的是Python3.5.2，这个环境里并没有NLTK依赖，所以会导入失败。给你几个实用的解决思路：

• 直接在TensorFlow环境中安装NLTK
  这是最快速的解决方案，步骤很简单：

  1. 激活你的TensorFlow环境：conda activate your-tensorflow-env（把your-tensorflow-env替换成你实际的环境名称）
  2. 安装NLTK：pip install nltk
  3. 如果需要NLTK的语料库，进入Python交互模式后执行nltk.download()，选择需要的语料包下载即可。

• 升级TensorFlow环境的Python版本到3.6.3
  如果你希望统一两个环境的Python版本（TensorFlow是支持Python3.6的），可以这么操作：

  1. 激活TensorFlow环境：conda activate your-tensorflow-env
  2. 升级Python版本：conda install python=3.6.3
  3. 重新安装适配Python3.6的TensorFlow版本，比如pip install tensorflow==1.13.1（这个版本完美兼容Python3.6，你也可以根据需求选择其他兼容版本）
  4. 最后安装NLTK：pip install nltk

• 创建全新的整合环境
  干脆直接搭建一个同时兼容TensorFlow和NLTK的新环境，彻底避免版本冲突：

  1. 创建新环境：conda create -n tf-nltk-env python=3.6.3
  2. 激活环境：conda activate tf-nltk-env
  3. 一次性安装所需依赖：pip install tensorflow nltk

不管选哪种方法，都能让你在同一个环境里顺畅使用TensorFlow和NLTK啦。

内容的提问来源于stack exchange，提问作者V. Shikongo