推荐直接安装tensorflow（pip install tensorflow），它已内置tf.keras，无需单独安装旧版keras；旧版standalone keras自2023年起停止更新且不推荐使用。
安装 Keras 很简单，但要注意它现在默认依赖 TensorFlow 作为后端（不再支持 Theano 或 CNTK），所以实际是安装 TensorFlow + Keras 的组合。官方推荐直接安装 TensorFlow，它已内置完整版 Keras（tf.keras），无需单独装旧版 standalone Keras。
推荐方式：用 pip 安装 TensorFlow（自动包含 Keras）
这是最稳定、兼容性最好、且官方唯一维护的方式：
- 打开终端（macOS/Linux）或命令提示符/PowerShell（Windows）
- 运行以下命令（建议使用最新稳定版）：
✅ 安装完成后，你就可以直接用 import tensorflow as tf，然后通过 tf.keras 使用所有 Keras 功能，比如：
如果你确实需要旧版 standalone Keras（不推荐）
仅适用于特殊遗留项目（如需对接老教程或固定版本环境）。注意：standalone keras（即 pip install keras）自 2023 年起已停止更新，且与新 TensorFlow 不完全兼容：
立即学习“Python免费学习笔记（深入）”；
- 命令：pip install keras==2.15.0（最后兼容 TF 2.15 的版本）
- 但必须同时安装匹配的 TensorFlow：pip install tensorflow==2.15.0
- 之后可
import keras，但内部仍调用tf.keras，功能和行为与tf.keras基本一致
验证是否安装成功
在 Python 中运行：
import tensorflow as tfprint(tf.__version__)
print(tf.keras.__version__)
如果没报错并输出版本号，说明安装成功。也可以尝试快速建一个模型测试：
model = tf.keras.Sequential([tf.keras.layers.Dense(10)])常见问题提醒
-
CPU vs GPU 版本：默认
pip install tensorflow安装的是 CPU 版；如需 GPU 加速，需额外安装tensorflow-gpu（旧版）或确认 CUDA/cuDNN 环境后安装对应 GPU 版 TensorFlow（新版统一为tensorflow，自动检测 GPU） -
虚拟环境建议：安装前用
python -m venv myenv创建独立环境，避免包冲突 -
权限问题：若报 Permission Denied，加
--user参数：pip install --user tensorflow
