电脑崩了，突然识别不出网卡了，然后万能解决方法——重装系统🙃。装完又要重新配环境。因为要跑的代码是tensorflow1.3，自动安装的版本默认是最新的，即使是pip install tensorflow==1.3，但是在自动安装tensorflow相关依赖包时有时还是会默认装最新版的，就导致一直出现版本不匹配的问题。
1. tensorflow与protobuf的版本对应
当tensorflow和protobuf版本不匹配的时候就会报下面这个错误。tensorflow对protobuf的版本要求很严格，编译tensorflow的Ｃ库时，没有找到具体的版本参考，bazel的版本官网上有详细说明。
from google.protobuf.pyext import _message
ImportError: DLL load failed: 找不到指定的程序。
经过一番查找，目前只找到了以下几个对应关系：
tensorflow 1.5 --------------- protobuf 3.4
tensorflow 1.12 --------------- protobuf 3.6
tensorflow 1.10 --------------- protobuf 3.6
tensorflow 1.0.0 --------------- protobuf 3.1
tensorflow 0.12 --------------- protobuf 3.1
tensorflow 0.11 --------------- protobuf 3.0.2
解决方法：
卸载掉之前的protobuf；然后pip install protobuf==XXX（对应版本号）
2. tensorflow与keras版本对应
当tensorflow与keras的版本不匹配时，就会出现：
ModuleNotFoundError: No module named 'tensorflow.python.eager'
这个是tensorflow与keras的版本对应表。同样卸载安装对应版本。
3. tensorflow与numpy版本对应
有时还会出现tensorflow和numpy的版本不兼容的问题，这个我没找到官方的对应表。我目前知道的是tensorflow1.12和tensorflow1.3都可以用numpy1.17.4。
还有一个问题，一开始是在anaconda中新建环境安装卸载各种包，有时候install/uninstall一个包会同时install/uninstall其他相关的依赖包，搞得我一直因为版本对应的问题重装了好几遍🤦，如果是个别包的版本不对应可以直接在pycharm中删去再重装对应版本的包，感觉这样更方便🤓。