本文旨在解决使用`pip install keras`命令在Python 3.12环境下安装Keras时遇到的`dm-tree`构建失败及`CMake`缺失错误。核心解决方案是由于当前Keras（及其依赖TensorFlow）与Python 3.12存在兼容性问题，建议用户降级Python版本至3.11.x或更早版本，并提供了详细的安装步骤和虚拟环境使用建议，以确保Keras能够顺利安装和运行。
Keras安装失败的常见问题
Keras是一个用户友好的深度学习API，通常作为TensorFlow的一部分使用。在尝试通过pip install keras命令进行安装时，用户可能会遇到各种错误。其中一个常见问题是在较新版本的Python（如Python 3.12）环境下，安装过程因依赖库的兼容性问题而中断。
错误分析：dm-tree构建失败与Python 3.12
当您在Python 3.12环境下尝试安装Keras时，可能会遇到类似以下输出的错误：
Building wheel for dm-tree (pyproject.toml) ... error
error: subprocess-exited-with-error
× Building wheel for dm-tree (pyproject.toml) did not run successfully.
│ exit code: 1
╰─> [80 lines of output]
...
FileNotFoundError: [WinError 2] The system cannot find the file specified
...
RuntimeError: CMake must be installed to build the following extensions: _tree
[end of output]
ERROR: Failed building wheel for dm-tree
Failed to build dm-tree
ERROR: Could not build wheels for dm-tree, which is required to install pyproject.toml-based projects这个错误信息揭示了几个关键点：
立即学习“Python免费学习笔记（深入）”；
- dm-tree构建失败: dm-tree是一个由DeepMind开发的Python库，用于处理嵌套数据结构，它是TensorFlow（Keras的后端）的一个重要依赖。
- FileNotFoundError: [WinError 2] The system cannot find the file specified: 这通常表示在构建过程中，系统尝试执行某个外部命令或查找某个文件但未能成功。
- RuntimeError: CMake must be installed to build the following extensions: _tree: 这明确指出构建dm-tree需要CMake。尽管尝试安装CMake后问题可能依然存在，但它指向了底层编译环境的问题。
根本原因: 截至目前，Keras（特别是其依赖的TensorFlow）的稳定版本对Python 3.12的支持尚未完全成熟。许多底层依赖库，包括dm-tree，可能还没有为Python 3.12提供预编译的wheel文件，或者其构建脚本与Python 3.12的某些内部变化不兼容。这导致在安装时需要从源代码构建这些依赖，而构建过程又可能因为缺少特定工具（如CMake）或环境配置问题而失败。
解决方案：降级Python版本
最直接且有效的解决方案是降级您的Python版本到一个与Keras和TensorFlow兼容的稳定版本，例如Python 3.11.x。
1. 检查当前Python版本
在执行任何操作之前，请确认您当前的Python版本：
python --version
或
python3 --version
2. 卸载现有Python版本
如果您当前使用的是Python 3.12，建议将其卸载。
-
Windows用户:
- 打开“控制面板” -> “程序” -> “程序和功能”。
- 找到您安装的Python 3.12版本，右键点击选择“卸载”。
- 按照提示完成卸载过程。
-
macOS/Linux用户:
通常不建议直接卸载系统自带的Python。如果您是通过官方安装包或Homebrew安装的Python 3.12，请根据您的安装方式进行卸载。例如，对于Homebrew安装的Python：
brew uninstall python@3.12
如果您使用了pyenv或其他版本管理工具，请使用相应工具进行版本切换或删除。
3. 安装兼容的Python版本
推荐安装Python 3.11.x版本。
- 访问Python官方网站: 前往 python.org/downloads/。
- 选择旧版本: 找到并下载Python 3.11.x的安装程序。例如，您可以选择Python 3.11.9。
-
执行安装:
- Windows: 运行下载的.exe安装程序。重要提示: 在安装向导中，请务必勾选“Add Python 3.11 to PATH”选项，这样可以方便地从命令行访问Python。
- macOS/Linux: 根据下载的安装包类型（例如.pkg或源代码编译）进行安装。对于Linux，您可能需要从源代码编译或使用pyenv等工具。
安装完成后，再次检查Python版本以确保新版本已正确设置：
python --version
或
python3 --version
确保输出显示的是Python 3.11.x。
4. 重新安装Keras
在Python 3.11.x环境下，您现在可以尝试重新安装Keras。由于Keras现在是TensorFlow的一部分，通常推荐直接安装TensorFlow，它会包含Keras。
pip install tensorflow
如果您只想安装独立的Keras库（虽然不常见，因为它通常依赖TensorFlow后端），可以使用：
pip install keras
安装成功后，您可以在Python环境中验证Keras是否可用：
import tensorflow as tf print(tf.__version__) print(tf.keras.__version__)
如果能够成功导入并打印版本号，则表示Keras已成功安装。
最佳实践：使用虚拟环境
为了避免不同项目之间Python库的冲突，强烈建议为每个项目使用独立的Python虚拟环境。这样，即使系统安装了Python 3.12，您也可以在虚拟环境中安全地使用Python 3.11。
1. 创建虚拟环境
在您的项目目录下，打开命令行并执行：
python3.11 -m venv my_keras_env
这里python3.11是您安装的Python 3.11解释器，my_keras_env是您为虚拟环境命名的文件夹。
2. 激活虚拟环境
-
Windows:
.\my_keras_env\Scripts\activate
-
macOS/Linux:
source my_keras_env/bin/activate
激活后，您的命令行提示符会显示虚拟环境的名称（例如 (my_keras_env)），表明您现在处于该环境中。
3. 在虚拟环境中安装Keras
在激活的虚拟环境中，使用pip安装Keras（或TensorFlow）：
pip install tensorflow
这样，Keras及其所有依赖都会安装到my_keras_env这个独立的虚拟环境中，不会影响系统或其他项目的Python环境。
4. 退出虚拟环境
当您完成工作时，可以简单地输入deactivate命令来退出虚拟环境：
deactivate
总结与注意事项
- 兼容性是关键: Keras和TensorFlow等深度学习框架对Python版本有严格的兼容性要求。在安装前，务必查阅官方文档，了解支持的Python版本范围。
- Python 3.12支持仍在发展: 随着时间的推移，TensorFlow和Keras将逐步完善对Python 3.12的支持。在官方发布稳定支持版本之前，降级Python是解决兼容性问题的最可靠方法。
- CMake: 如果您确实需要从源代码构建某些Python包，CMake是一个重要的构建工具。在Windows上，确保已安装Visual C++ Build Tools和CMake，并将其添加到系统PATH中。然而，对于Keras/TensorFlow，降级Python通常可以避免这些复杂的构建问题。
- 虚拟环境是最佳实践: 始终推荐使用虚拟环境来管理项目依赖，它能有效隔离不同项目的Python环境，避免版本冲突。
通过遵循上述步骤，您应该能够成功解决Keras在Python 3.12环境下的安装问题，并在兼容的Python版本中顺利进行深度学习开发。
