在jupyter中直接!pip install tensorflow无效，因jupyter默认运行在启动时的python环境（如base），而非目标虚拟环境；正确做法是先在终端激活目标conda环境（如conda activate tf216），再用python -m pip install tensorflow安装，并通过python -m ipykernel install --user --name tf216注册内核，最后重启jupyter服务方可使用。
直接在 Jupyter 里 !pip install tensorflow 会失败或不生效
因为 Jupyter Notebook 默认运行在你启动它的那个 Python 环境里，而不是你后来用 conda create 或 python -m venv 创建的虚拟环境中。你在 Notebook 单元格里执行 !pip install tensorflow，装的是当前 kernel 对应环境的包——但多数情况下，这个环境是 base（或 root），不是你想要的 TensorFlow 环境。
更麻烦的是：即使装成功了，import tensorflow 仍可能报 ModuleNotFoundError，因为 pip 安装路径和 kernel 的 sys.path 不一致，尤其在 conda 环境下常见。
- 别依赖 Notebook 内部的
!pip install来配置核心框架 - 所有安装必须在终端/命令行中、**激活目标环境后**进行
- 确认当前终端提示符显示环境名（如
(tensorflow)），再运行安装命令
创建并激活 conda 环境时，Python 版本不能随便选
TensorFlow 官方对 Python 版本有明确支持范围。截至 2026 年，tensorflow==2.16（最新稳定版）只支持 Python 3.9–3.12；而 tensorflow==2.13 及更早版本已停止 wheel 分发，仅存源码编译路径。选错 Python 版本会导致 pip 安装静默失败，或装上却无法 import。
- 查清你要装的 TF 版本对应支持的 Python：访问 PyPI tensorflow 页面 或
pip install tensorflow --dry-run（需提前激活环境） - 推荐做法：显式指定 Python 版本创建环境，例如
conda create -n tf216 python=3.11 - 避免用
python=3.5或python=3.6——这些版本早已被 TF 放弃，连pip install都会返回 “No matching distribution”
让 Jupyter 看到新环境的关键是 ipykernel install
conda 环境本身不会自动注册为 Jupyter kernel。你必须手动把环境“注册”进去，否则 Jupyter 启动后只显示 base 或系统默认内核，根本找不到你的 tf216。
- 先激活环境：
conda activate tf216 - 确保已安装
ipykernel：conda install ipykernel（优先用 conda 装，避免 pip/conda 混装冲突） - 执行注册：
python -m ipykernel install --user --name tf216 --display-name "Python (tf216)" - 注意：
--name是 kernel 名（用于命令行管理），--display-name是 Jupyter 界面里显示的名字，两者可不同 - 注册后重启 Jupyter（不是刷新页面，是关掉进程再
jupyter notebook重开）
验证是否真用上了 TensorFlow 环境
光看到 kernel 列表里有 “Python (tf216)” 不代表万事大吉。常有人误以为切换 kernel 就等于切换了环境，结果运行 import tensorflow as tf; print(tf.__version__) 却报错，或者输出的是旧版本。
- 在 Notebook 中新建单元格，运行：
import sys; print(sys.executable)—— 输出路径必须指向.../envs/tf216/...，而非.../anaconda3/...或/usr/bin/python - 再运行：
!which python（Linux/macOS）或where python（Windows），结果应与上面sys.executable一致 - 如果路径不对，说明 kernel 注册失败或未生效，检查
jupyter kernelspec list输出，确认tf216对应的路径存在且可读
最易被忽略的一点：Jupyter 服务进程一旦启动，它加载的 kernel 列表就固化了。改完环境、重装 ipykernel、重新 install kernel，都必须彻底关闭 Jupyter server（包括后台进程），再重新启动，否则新 kernel 永远不会出现。
