在统信UOS上Keras无需独立安装，必须通过TensorFlow 2.10.0自带的tf.keras使用；需确保Python为3.9～3.11、TensorFlow正确部署且无独立keras包残留，最后用tf.keras.Sequential验证。
在统信UOS上安装Keras必须先确认TensorFlow已正确部署，因为Keras已深度集成进TensorFlow 2.x体系，独立安装keras包不仅无效，还会引发backend冲突或import失败。
确认TensorFlow环境就绪
执行python3 -c "import tensorflow as tf; print(tf.__version__)"，输出必须为【2.10.0】且无报错；若提示ModuleNotFoundError或版本不符，说明TensorFlow未按UOS适配方案安装，需先回退处理——跳过此步直接装Keras将导致后续所有模型加载失败。
检查Python版本：运行python3 --version，结果必须落在3.9～3.11区间；UOS系统预装的Python 3.12或3.8均不兼容TensorFlow 2.10.0，强行继续会卡在numpy ABI校验环节。
启用tf.keras（唯一推荐方式）
统信UOS生态中Keras已不再作为独立包维护，所有功能均由tensorflow自带的tf.keras模块提供。无需额外pip install keras命令。
验证可用性：在Python交互环境中输入from tensorflow import keras; print(keras.__version__)，返回值应与TensorFlow主版本一致（如2.10.0），且能正常调用keras.Sequential()等核心类。
注意：若此前手动执行过pip install keras，必须先卸载——运行pip uninstall keras -y，否则import keras会优先加载旧版独立包，与tf.keras不兼容，出现Layer对象无call方法等运行时错误。
创建带Keras支持的Python项目
第一步：新建项目目录并进入——mkdir -p ~/my-ml-project && cd ~/my-ml-project
第二步：复用已配置好的TensorFlow虚拟环境——source ~/tf-uos/venv/bin/activate；不要新建venv，UOS系统级Python与TensorFlow依赖存在硬编码绑定，跨环境调用会导致libstdc++符号缺失。
第三步：生成最小验证脚本——用文本编辑器新建test_keras.py，写入以下内容：
import tensorflow as tfmodel = tf.keras.Sequential([tf.keras.layers.Dense(10)])print("Keras ready:", model.name)
第四步：执行验证——python test_keras.py，终端输出Keras ready: sequential即表示安装路径完全正确。
