盯着CMD窗口里那一长串红色报错，你是不是也憋着一股火？明明照着教程一步步装，结果tensorflow学习的第一天就卡在import上。别急着砸键盘，这玩意儿八成是环境被乱装的东西污染了。

先别急着卸载，这3个环境坑我替你踩了

　　有的朋友可能遇到过：pip install tensorflow之后，import tensorflow报错说找不到模块。别慌，先检查你有没有同时装了Anaconda和Python官方版本。这两个家伙的site-packages文件夹会互相打架，解决方式很简单——直接删掉C盘用户目录下的.pip和.cache文件夹，然后打开命令行输conda clean --all清干净缓存。再重新pip install tensorflow，90%的找不到模块问题都能解决。

　　第二个坑是版本兼容报错。你下载的tensorflow是2.10，但numpy还是1.19，一跑就报DLL load failed。这时候别去搜什么降级方法，直接用pip install numpy==1.21.0锁定一个稳定版，再装tensorflow。要是还报错，就检查Python版本——必须是3.7到3.10之间。超了？立刻重装Python。

　　还有一个骚操作：如果你装了多个虚拟环境，某个环境死活调不了GPU，就去C:\Users\你的用户名\AppData\Local\Programs\Python里把Python文件夹整个重命名，然后重新创建虚拟环境。这招治好了我三台电脑的GPU无法调用问题。

　　好了，做到这儿你的tensorflow学习应该能跑通基础demo了。但别高兴太早，后面还有版本冲突这个大坑等着你。

遇到版本冲突怎么办？直接上这招

　　你兴冲冲跑个keras模型，结果报错：AttributeError: module 'tensorflow' has no attribute 'keras'。这又是版本兼容报错在作祟。tensorflow 2.4以后把keras内置了，但如果你又单独pip install keras，就会导致两个版本打架。

　　解决方式：卸载所有和tf、keras有关的包，然后只装tensorflow==2.8.0，这个版本能完美适配keras内置模块。记住，装完以后import时只用写import tensorflow as tf，然后用tf.keras。别再用from tensorflow import keras这种老写法。

　　还有朋友反馈，跑GPU训练时cuda版本对不上。去NVIDIA官网查你的显卡驱动支持的cuda版本，然后在conda里指定：conda install cudatoolkit=11.2 cudnn=8.1。别傻乎乎去装cuda12，你显卡可能跑不了。

　　短句：删干净。重装。别兼容。

　　以上操作花不了十分钟，但能让你避开tensorflow学习路上最恶心的几个坑。问题解决了就去泡杯茶，别在这耗着。要是还报错，直接去官方GitHub的Issues搜报错代码，那里答案比任何教程都准。