使用TensorFlow-GPU遇导入错误：无法导入'self_check'，求解决方案

嘿，别慌，这个self_check导入错误我之前帮不少人搞定过，结合你用Python 3.5 + Anaconda + TensorFlow-GPU的场景，给你几个针对性的解决方案，一步步来：

• 先排查版本兼容性问题（最常见原因）
  Python 3.5只支持TensorFlow 1.x系列（最高到1.15.x），如果你不小心装了2.x版本，必然会出现这类导入错误。先激活你的conda环境，执行下面的命令查看当前TensorFlow版本：

  conda list tensorflow
  

  如果显示是2.x版本，就卸载重装兼容的版本：

  pip uninstall tensorflow tensorflow-gpu
  pip install tensorflow-gpu==1.15.0
  

  顺便提醒下，Keras版本也要和TensorFlow匹配，Keras 2.3.1是和TF1.15完美兼容的，所以同步安装：

  pip install keras==2.3.1
  

• 清理环境中的冲突依赖
  有时候旧环境里残留的包会互相干扰，不如直接搞个干净的conda环境试试：

  1. 先卸载当前环境里的相关包：

     pip uninstall -y tensorflow tensorflow-gpu keras
     

  2. 清理conda的缓存文件：

     conda clean --all
     

  3. 创建新的专属环境并激活：

     conda create -n tf_gpu_env python=3.5
     conda activate tf_gpu_env
     

  4. 重新安装指定版本的包：

     pip install tensorflow-gpu==1.15.0 keras==2.3.1
     

• 确保Spyder关联到正确的conda环境
  不少人踩过这个坑：Spyder默认用的是base环境，而不是你装了TensorFlow的环境。解决方法有两个：

  • 激活你的TensorFlow环境后，直接从命令行启动Spyder：

    conda activate tf_gpu_env
    spyder
    

  • 或者在Spyder里手动设置解释器：打开Spyder后，依次点击Tools > Preferences > Python interpreter，选择Use the following interpreter，然后找到你的conda环境下的Python路径（比如Anaconda3/envs/tf_gpu_env/python.exe），重启Spyder就生效了。

• 验证CUDA和cuDNN版本是否匹配
  TensorFlow-GPU对CUDA和cuDNN版本要求很严格，TF1.15需要CUDA 10.0（不能是10.1或更高）、cuDNN 7.6.x。你可以执行下面的命令查看CUDA版本：

  nvcc --version
  

  如果版本不对，需要卸载当前CUDA，安装10.0版本，再把cuDNN 7.6的解压文件放到CUDA的安装目录里，同时确保系统环境变量里添加了CUDA的路径。

先从版本匹配和环境清理开始试，这两个是最容易解决问题的步骤。

内容的提问来源于stack exchange，提问作者Juan Gonzales