Tensorflow维护者实际上在PyPI上发布了TensorFlow的轮子，这就是为什么这是推荐的 官方
方式的原因。这些conda程序包由Anaconda员工和/或社区创建。这并不意味着conda程序包不好，仅意味着TensorFlow维护者不参与（正式）。基本上，他们只是说：“如果您pip在TensorFlow开发人员上安装时遇到困难，则会尝试为您提供帮助。但是我们并未正式支持这些conda软件包，因此，如果conda软件包出现问题，您需要询问conda软件包的维护者你已经被警告了。”

在更一般的情况下：

对于仅Python的软件包，应始终使用conda install。可能会有例外，例如，如果根本没有conda软件包或conda软件包已过期（并且没有人发布该软件包的新版本），并且您确实需要该软件包/版本。

但是，对于需要编译的软件包（例如C-Extensions等）而言，情况有所不同。有所不同，因为pip您可以通过以下方式安装软件包：

• 作为预编译轮
• 作为软件包，在计算机上编译

虽然conda只是提供了

• 编译的conda包

对于已编译的软件包，必须注意二进制兼容性。这意味着程序包是根据另一个库的特定二进制接口编译的-这可能取决于库的版本或编译标志等。

使用conda时，您必须按原样使用软件包，这意味着您必须假定软件包是二进制兼容的。如果不是，它将不起作用（段错误或链接错误等）。

如果您使用，pip并且可以选择要安装的方向盘（如果有），或者根据计算机上的 可用
库进行编译。这意味着您不太可能遇到二进制不兼容的情况。如果您从不同的conda通道安装conda软件包，那将是（或曾经是）一个大问题。因为它们可能只是二进制不兼容的（例如，conda-
forge和anaconda-channel在那儿有或有一些问题）。

但是，应该根据具体情况决定。我的tensorflowconda环境没有问题，在那里我安装了通道中的 所有 软件包conda- forge，包括tensorflow。但是我听说有几个人在 混合 conda- forge和anaconda通道环境中对张量流有麻烦。例如，来自主通道的NumPy和来自conda-
forge通道的TensorFlow可能只是二进制不兼容的。

我的经验法则是：

• 如果它是仅Python的软件包，则只​​需安装它（不太可能造成麻烦）。尽可能使用conda程序包，但使用pip不会造成很多麻烦。如果您使用pip来安装它，那么它就不会受到conda的管理，因此有可能它不会被识别为可用依赖项，因此您必须自己对其进行更新，但这就是所有区别。
• 如果它是一个已编译的程序包（例如C扩展或C库的包装等），则它将变得更加复杂。如果您想“小心”或有理由期望出现问题，请执行以下操作：
• 如果您需要测试来自不同渠道和/或conda和pip的编译包，请始终创建一个新环境。丢弃混乱的conda环境很容易，但是修复您所依赖的环境会很烦人。
• 如果可能的话安装使用所有编译包conda install从 一个且只有一个 通道（如果可能的主要蟒蛇频道）。
• 如果不可能，请尝试将主要的anaconda通道编译包与来自其他通道的conda包混合使用。
• 如果这样不起作用，请尝试混合使用conda编译的软件包和pip编译的软件包（预编译的转轮或自编译的安装程序）。

您询问为什么不能使用PyPI安装软件包conda。我不知道确切原因，但是pip通常会提供该软件包，您必须自己安装。使用conda，您可以得到一个已经编译并安装的软件包，而无需安装即可“复制”。这就要求该软件包必须安装在不同的操作系统（Mac，Windows，Linux）和平台（32位，64位）上，并针对不同的Python版本（2.7、3.5、3.6）以及可能针对不同的NumPy版本进行安装。这意味着conda必须提供多个软件包，而不仅仅是一个。这会占用可能不可用或不可行的资源（用于最终安装的软件包的空间和安装时间）。除此之外，除了您要了解的所有软件包（编译，安装）细节之外，可能没有将pypi软件包转换为conda配方的方法。不过那只是我的猜测。