使用keras中Dense、Sequential、losses、optimizers函数报错

首先看这样一个神经网络代码：

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
tf.random.set_seed(1234)  # applied to achieve consistent results
model = Sequential(
    [
        Dense(25, activation = 'relu',   name = "L1"),
        Dense(15, activation = 'relu', name = "L2"),
        Dense(1, activation = 'linear', name = 'L3')
    ]
)
model.compile(
    loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    optimizer=tf.keras.optimizers.Adam(0.01),
)
model.fit(X_train,y_train,epochs=200)
logit = model(X_train)
f_x = tf.nn.sigmoid(logit)

但是pycharm如下函数引用报错：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
model = Sequential()
Dense(25, activation = 'relu',   name = "L1"),
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True)
optimizer=tf.keras.optimizers.Adam(0.01)

找到的Sequential语句报错解决方法是中间加上"python."，然后使用models.Sequentia()和layers.Dense()，但是losses和optimizer还是显示找不到引用。

from tensorflow.python.keras import layers, models

因为在TensorFlow 2.0及以后的版本中，Keras已经被集成到TensorFlow中，成为了TensorFlow的一部分。因此，如果尝试从tensorflow.keras导入可能会遇到问题，因为正确的导入方式有所变化。尤其TensorFlow 2.16.0及以上版本，此时Keras 3.0已经作为TensorFlow的一部分。

所以正确的导入方式是：

import tensorflow as tf
from keras import layers,models,losses,optimizers
model = models.Sequential(
    [
        layers.Dense(25, activation = 'relu',   name = "L1"),
        layers.Dense(15, activation = 'relu', name = "L2"),
        layers.Dense(10, activation = 'linear', name = 'L3')
    ]
)
model.compile(loss=losses.SparseCategoricalCrossentropy(from_logits=True),
    optimizer=optimizers.Adam(0.01),
)