根本原因是conda默认通道的TensorFlow包滞后，且未校验Python版本兼容性；应先指定兼容的Python版本（如3.11），升级pip后再安装，并避免conda与pip混用导致覆盖。
conda创建的虚拟环境里pip install tensorflow却装了旧版本
根本原因不是pip没更新，而是conda默认通道里的tensorflow包滞后，尤其在macOS或M1芯片上，conda-forge也未必同步最新稳定版。直接用pip install tensorflow前，得先确认当前环境的Python版本是否被目标TensorFlow支持——比如tensorflow==2.16.1已不支持Python 3.12，而conda新建环境默认可能用3.12。
- 先运行
python --version，再查对应TensorFlow官网的package location表，确认版本兼容性 - 推荐用
conda create -n tf-env python=3.11显式指定Python小版本，避免踩坑 - 激活后，**立刻执行
pip install --upgrade pip**，否则旧pip可能跳过wheel兼容性检查，静默降级安装 - 最后用
pip install tensorflow（不加--no-deps，也不加--force-reinstall）
virtualenv + pip装完import tensorflow报错No module named '_pywrap_tensorflow_internal'
这是典型的二进制扩展模块加载失败，90%是因为系统缺少底层依赖，而非Python包本身问题。Windows上常见于MSVC运行时缺失，Linux/macOS则多因glibc版本或CUDA驱动不匹配——但注意：CPU版TensorFlow并不需要CUDA，装了反而容易冲突。
- 先跑
python -c "import sys; print(sys.executable)"，确认你import的是虚拟环境里的Python，不是系统全局的 - Windows用户检查是否安装了Microsoft Visual C++ Redistributable for Visual Studio 2015–2022
- Linux用户运行
ldd $(python -c "import tensorflow as tf; print(tf.__file__)") | grep "not found"，看缺哪个so - macOS（尤其是Apple Silicon）务必用
pip install tensorflow-macos和tensorflow-metal，别硬装通用版
同一台机器多个项目要混用TF 1.x和2.x，怎么避免import冲突
不能靠pip uninstall来回切——卸载残留的.so或.dylib文件会导致后续import异常。唯一可靠方式是彻底隔离解释器进程，也就是每个项目绑定独立虚拟环境，并且禁止跨环境共享site-packages。
- 给TF 1.x项目建环境时，用
python -m venv tf1-env，然后pip install tensorflow==1.15.5（最后一个支持Py3.8的1.x版） - TF 2.x项目另建
tf2-env，用pip install tensorflow>=2.12（2.12起正式放弃Windows GPU支持，但CPU版更稳） - 编辑器（如VS Code）必须手动选中对应环境的Python解释器路径，不能只改终端activate，IDE里还是旧环境
- CI/CD脚本里，每次运行前都加
source tf2-env/bin/activate && python train.py，别图省事写成python -m venv ... && pip install ... && python train.py——中间没activate，pip装到错地方
docker里pip install tensorflow特别慢，甚至超时失败
Docker构建时网络受限+默认pip源在国外，下载几十MB的whl包极易中断。更麻烦的是，不同基础镜像预装的pip版本太老，无法解析新wheel的tag格式，会反复重试或退回到源码编译（这在容器里必然失败）。
立即学习“Python免费学习笔记（深入）”；
- 在
Dockerfile的RUN指令前加COPY requirements.txt .，再用RUN pip install --index-url https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn -r requirements.txt - 务必在
pip install之前加RUN pip install --upgrade pip，尤其当基础镜像是python:3.9-slim这类旧版时 - 如果requirements里写了
tensorflow没带版本，构建时可能拉到nightly版——它不向后兼容，建议锁死如tensorflow==2.15.0 - 不用
pip install tensorflow[and-cuda]这种变体，Docker里应明确区分tensorflow-cpu或tensorflow-gpu（2.10+已合并，但镜像内驱动需匹配）
conda list看不到pip装的包，但pip list能看到——这时候conda install同一个包，conda会强制覆盖pip装的版本，且不提示。 
