TensorFlow 1.15 官方仅支持 Python 3.5–3.7，不提供 Python 3.8 的预编译 wheel 包，因此 pip install tensorflow==1.15 必然失败；正确做法是创建 Python 3.7 环境并用 conda 或 pip 安装。
TensorFlow 1.15 官方不支持 Python 3.8，强行安装会报 No matching distribution found for tensorflow==1.15 ——这不是 pip 故障，是 PyPI 上真没这个组合的 wheel 包。
为什么 pip install tensorflow==1.15 总失败
TensorFlow 1.15.0–1.15.5 的官方预编译包（.whl）只构建在 cp35-cp35m 到 cp37-cp37m 标签上，即仅支持 Python 3.5–3.7。你用 python --version 看到 3.8.10，pip 就会去请求 cp38-win_amd64 或 cp38-manylinux2014_x86_64，但 PyPI 上根本没有这些文件。
常见误判点：
- 以为升级
pip就能解决——其实pip install --upgrade pip只让 pip 更懂新标签，但不会凭空造出不存在的包 - 看到
tensorflow-1.15.5-py3-none-any.whl就以为能用——这是纯 Python 包，不含 C++ 后端，import tensorflow会直接报ImportError: No module named '_pywrap_tensorflow_internal' - 用
conda install tensorflow=1.15却没指定 channel——默认 conda-forge 或 defaults 里早已下架 TF 1.x 的 3.8 构建
conda 创建 Python 3.7 环境是最稳路径
不是“降级”，而是按需匹配。TensorFlow 1.15 官方明确支持 Python 3.7，且 conda 能完整提供带 MKL、CUDA 10.0 驱动的二进制包。
立即学习“Python免费学习笔记（深入）”；
实操步骤：
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 运行
conda create -n tf115 python=3.7（不要写python=3.7.17，conda 会自动选最兼容的小版本） - 激活后先确认解释器：
which python（Linux/macOS）或where python（Windows），确保路径含envs/tf115 - 优先走 conda 安装：
conda install tensorflow=1.15.5；若超时或找不到，再换 pip：pip install tensorflow==1.15.5 -i https://pypi.tuna.tsinghua.edu.cn/simple/ - 验证：
python -c "import tensorflow as tf; print(tf.__version__, tf.test.is_built_with_cuda())"
硬要用 Python 3.8？只能绕过 wheel，源码编译
这不是推荐做法，但如果你被卡死在必须用 3.8 的 CI 环境或 Docker 基础镜像里，唯一可行路径是编译源码。注意：这要求机器有 GCC、Bazel 3.7.2、CUDA 10.0/cuDNN 7.6（仅 GPU 版），且耗时 30–90 分钟。
关键控制点：
- 必须用 TensorFlow 官方归档的
v1.15.5tag 源码，不是 GitHub 主干分支（后者已删 1.x 构建脚本） - 编译前设环境变量：
export PYTHON_BIN_PATH=$(which python)，否则 Bazel 会调错解释器 - CUDA 支持需显式开启：
./configure时回答y并填对/usr/local/cuda-10.0路径，否则生成的包无 GPU kernel - 编译完得到的是
tensorflow-1.15.5-cp38-cp38-linux_x86_64.whl，只能在同构环境安装，无法分发
别忽略 CUDA/cuDNN 的隐性绑定
即使你成功装上了 tensorflow==1.15.5，运行时报 libcudnn.so.7: cannot open shared object file，说明动态链接失败——TF 1.15 编译时绑定了 cuDNN 7.6，而系统装的是 8.2 或 7.4。
检查方法：
- 查已安装 cuDNN：
cat /usr/local/cuda/include/cudnn_version.h | grep CUDNN_MAJOR - 查 TF 编译信息：
python -c "import tensorflow as tf; print(tf.__git_version__)”（输出含cudnn76字样即锁定 7.6） - 临时修复：软链
ln -sf libcudnn.so.7.6.* /usr/local/cuda/lib64/libcudnn.so.7，但生产环境务必统一版本
真正省事的方式，是接受“Python 3.7 + TF 1.15”是经过千次 CI 验证的黄金组合，而不是在 3.8 上反复 patch。兼容性不是玄学，是 wheel 文件名里明明白白写着的 cp37。
