TensorFlow 出現 ImportError: cannot import name 'dtensor' from 'tensorflow.compat.v2.experimental' 時，最常見原因是 TensorFlow 與 Keras 版本不相容。這次我當時的筆記裡，環境最後是用降版 Keras 解掉：保留 TensorFlow 2.6.0，改安裝 keras==2.6。
這個 dtensor 匯入錯誤代表什麼？
cannot import name 'dtensor' 代表 Keras 嘗試載入 TensorFlow 裡不存在或版本不吻合的 dtensor API。問題通常不在模型程式碼，而在 TensorFlow 與 Keras 套件版本沒有對齊。
當時看到的錯誤訊息如下：
ImportError: cannot import name 'dtensor' from 'tensorflow.compat.v2.experimental' (C:\Users\user\.conda\envs\py392\lib\site-packages\tensorflow\_api\v2\compat\v2\experimental\__init__.py)
這段錯誤的關鍵字有三個：
| 關鍵字 | 代表意義 |
|---|---|
keras\dtensor | Keras 端正在載入 dtensor 相關模組 |
tensorflow.compat.v2.experimental | Keras 期待 TensorFlow 提供對應 experimental API |
.conda\envs\py392 | 目前執行的是 conda 虛擬環境，不一定是系統 Python |
Stack Overflow 上同一類錯誤曾被歸因於 tensorflow==2.6.0 搭配 keras==2.9.0 的版本落差，建議解法是升 TensorFlow 或降 Keras（Stack Overflow，2022）。
TensorFlow 和 Keras 版本為什麼會不相容？
TensorFlow 與 Keras 雖然常一起使用，但兩者仍是不同 Python 套件。當 pip install keras 裝到比 TensorFlow 更新的 Keras 版本時，Keras 可能呼叫舊版 TensorFlow 還沒有提供的 API。
TensorFlow 2.6 開始，Keras 程式碼已拆到獨立的 Keras pip package，但 tf.keras API 入口仍保留在 TensorFlow 裡（TensorFlow 2.6 release notes，2021）。這種拆分讓套件管理更彈性，也讓「單獨升級 Keras」變成可能踩到的坑。
Keras 官方目前也特別提醒：TensorFlow 2.0 到 TensorFlow 2.15 之間，安裝 tensorflow 會安裝對應的 Keras 2 版本，例如 tensorflow==2.14.0 對應 keras==2.14.0（Keras，存取日期：2026-08-28）。這個原則放回舊環境，就是不要讓 TensorFlow 2.6 搭到 Keras 2.9。
遇到 dtensor 錯誤要先檢查什麼？
遇到 dtensor 匯入錯誤時，先確認目前 Python、TensorFlow、Keras 是否來自同一個虛擬環境。不要急著重裝所有套件，先把版本列出來，才知道要升級 TensorFlow 還是降版 Keras。
可以先在終端機執行：
python --version
python -m pip show tensorflow keras
python -m pip list | grep -E "tensorflow|keras"
在 Windows conda 環境裡，我也會加查目前環境名稱：
conda info --envs
where python
where pip
如果 python 指向 conda 環境，但 pip 指到別的地方，套件就可能安裝到錯誤環境。這種狀況下，請優先使用 python -m pip install ...，讓 pip 跟目前執行的 Python 綁在一起。
這個錯誤可以怎麼修？
TensorFlow 與 Keras 版本不相容時，有兩條修復路線：升級 TensorFlow，或降版 Keras。舊專案通常先降版 Keras，因為模型程式碼、CUDA 與 wheel 檔可能都綁在舊 TensorFlow 版本上。
常見修復方式如下：
| 修復方式 | 指令 | 適合情境 |
|---|---|---|
| 升級 TensorFlow | pip install tensorflow==2.8 | 專案可以接受 TensorFlow 升版 |
| 降版 Keras | pip install keras==2.6 | 專案需要保留 TensorFlow 2.6 |
Stack Overflow 回答裡給的兩個方向是：
pip install tensorflow==2.8
或：
pip install keras==2.6
我當時最後採用的是第二個方向：
pip install keras==2.6
這段範例之所以有效，是因為 TensorFlow 2.6 與 Keras 2.6 版本重新對齊。若專案已經使用較新的 TensorFlow，請改用該 TensorFlow 版本對應的 Keras，不要直接照抄舊版號。
重建 conda TensorFlow 環境有用嗎？
重建 conda 環境可以清掉混亂依賴，但重建環境不會自動修正 TensorFlow 與 Keras 版本搭配。新環境仍要安裝彼此相容的 TensorFlow、Keras、Python、CUDA 與 wheel 檔。
我當時也試過重建一個新的 TensorFlow 環境：
conda create -n tf-gpu python=3.9.2
conda activate tf-gpu
pip install --upgrade pip
pip install tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl
這條路線的重點是把 GPU 專案和其他 Python 專案隔離。TensorFlow 官方 Windows build 文件列出 tensorflow_gpu-2.6.0 對應 Python 3.6-3.9、CUDA 11.2、cuDNN 8.1（TensorFlow，存取日期：2026-08-28）。但我當時只重建環境仍然不行，最後還是要把 Keras 降回相容版本。
如果要重新建立環境，我會照這個順序檢查：
- 先確認專案必須使用的 TensorFlow 版本。
- 再確認 TensorFlow 支援的 Python 版本。
- 如果是 GPU 環境，再確認 CUDA 與 cuDNN 版本。
- 最後安裝對應 Keras 版本，避免單獨裝到過新的 Keras。
什麼時候該升 TensorFlow，什麼時候該降 Keras？
新專案可以優先升 TensorFlow，舊專案則常先降 Keras。判斷標準不是版本號越新越好，而是模型程式碼、部署環境與 GPU 依賴能不能一起升級。
我會用這張表決定：
| 狀況 | 建議做法 | 原因 |
|---|---|---|
| 剛開始的新專案 | 升 TensorFlow | 避免留在舊版 API 與舊版 Python |
| 已部署的舊專案 | 先降 Keras | 降低模型行為改變與 CUDA 重配成本 |
| 使用 Windows 原生 GPU 舊環境 | 先查 TensorFlow 版本表 | TensorFlow 官方說明 Windows 原生 CUDA GPU 支援停在 2.10 或更早版本（TensorFlow，存取日期：2026-08-28） |
| 不確定 pip 裝到哪裡 | 先查 python -m pip show | 避免在錯誤環境裡反覆安裝 |
對我來說，這個錯誤最值得記下來的不是 keras==2.6 這個指令，而是排查順序：先確認目前環境，再確認版本搭配，最後才改套件。
常見問題
cannot import name 'dtensor' from tensorflow.compat.v2.experimental 是什麼意思？
這個錯誤代表 Keras 嘗試從 TensorFlow 匯入 dtensor，但目前 TensorFlow 版本沒有提供 Keras 期待的 API。最常見原因是 TensorFlow 太舊、Keras 太新，或 pip 把套件裝進錯誤的 Python 環境。
TensorFlow 2.6 可以搭配 Keras 2.9 嗎？
TensorFlow 2.6 不建議搭配 Keras 2.9。這組版本曾出現 dtensor 匯入失敗，較穩的做法是把 Keras 降到 2.6，或把 TensorFlow 升到能支援該 Keras API 的版本。
我應該用 pip install tensorflow==2.8 還是 pip install keras==2.6？
如果專案可以升級 TensorFlow，先試 pip install tensorflow==2.8。如果專案卡在 TensorFlow 2.6、Python 3.9、CUDA 或舊模型部署環境，先試 pip install keras==2.6 會比較保守。
重建 conda 環境可以解決 TensorFlow 和 Keras 不相容嗎？
重建 conda 環境只能清掉混亂依賴，不能保證版本相容。重建後仍要明確安裝相容的 TensorFlow 與 Keras，例如 TensorFlow 2.6 搭配 Keras 2.6。
為什麼要用 python -m pip install 而不是直接 pip install？
python -m pip install 會使用目前 Python 對應的 pip，較不容易裝到別的環境。多個 conda 環境或系統 Python 並存時，直接 pip install 很容易把套件安裝到非預期位置。
Windows TensorFlow GPU 舊環境還能照舊使用嗎？
舊環境可以維持可重現版本，但不適合隨意升級單一套件。TensorFlow 官方文件說明，Windows 原生 CUDA GPU 支援只到 TensorFlow 2.10 或更早版本；新環境通常要評估 WSL2 或其他安裝方式。
參考資料
- Stack Overflow，〈Cannot import name 'dtensor' from 'tensorflow.compat.v2.experimental'〉，2022，存取日期：2026-08-28。
- TensorFlow，〈Build from source on Windows〉，存取日期：2026-08-28。
- TensorFlow，〈Install TensorFlow with pip〉，存取日期：2026-08-28。
- Keras，〈Getting started with Keras〉，存取日期：2026-08-28。
延伸閱讀
- Keras 介紹：用 Python 快速建立深度學習模型的高階 API：同樣聚焦 Keras、TensorFlow，可接著比較不同情境的做法。
- TensorFlow Estimator 介紹：用途、棄用原因與 Keras 替代寫法：同樣聚焦 TensorFlow、Keras，可接著比較不同情境的做法。
- TensorFlow 2 Object Detection API 安裝教學與常見錯誤排解：同樣聚焦 TensorFlow、Python，可接著比較不同情境的做法。
最後更新
本文最後更新於 2026-08-28。我當時的筆記發布於 2023-01-03，本文保留 TensorFlow/Keras 版本不相容的錯誤訊息、conda 環境嘗試與最後有效的降版 Keras 解法，並補上 GEO Answer Blocks、FAQ、參考資料與站內延伸閱讀。
關於作者
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2023-01-03