为何Anaconda中仅TensorFlow虚拟环境可导入TensorFlow-GPU？

这其实是Anaconda环境隔离机制的正常表现，咱们来拆解背后的逻辑：

• Anaconda的环境隔离特性：每个conda创建的环境都是完全独立的“小环境”，拥有专属的Python解释器、依赖包存储目录（也就是site-packages）。你创建了tensorflow环境并激活它后，用pip安装的tensorflow-gpu只会被放到这个环境专属的site-packages里——也就是anaconda3/env/tensorflow/lib/python3.6/site-packages，根本不会出现在base环境的anaconda3/lib/python3.6/site-package目录中，这正是环境隔离的意义所在：避免不同项目的依赖包互相干扰。

• 不同Python解释器的路径差异：

  • anaconda3/bin/python是base环境的Python解释器，它只会去base环境的site-packages目录里查找模块，自然找不到只装在tensorflow环境里的tensorflow；
  • 当你激活tensorflow环境，或者直接调用anaconda3/env/tensorflow/bin/python时，实际上用的是这个环境专属的Python解释器，它会优先去自己环境的site-packages找模块，所以能正常导入tensorflow。

• pip的环境关联性：激活环境后，当前终端的PATH路径会把tensorflow环境的bin目录放到最前面，此时你调用的pip其实是这个环境里的pip，安装的包自然会归属到这个环境，而不是base环境。

简单来说，这不是bug，是Anaconda环境管理的正常设计。如果确实需要在base环境使用tensorflow，你可以退出tensorflow环境，直接在base环境下重新执行安装命令；但更推荐的做法是保持环境隔离，需要使用tensorflow时激活对应的环境即可。

内容的提问来源于stack exchange，提问作者HoiM