TensorFlow2.X 和 1.X不同导致的报错

TensorFlow2.X 和 1.X不同导致的报错

一、
TensorFlow1.X :

model = Model(input=[inputs], output=output)

报错信息:

TypeError: (‘Keyword argument not understood:’, ‘input’)

解决方法,换成TensorFlow2.X :

model = Model(inputs=..., outputs=...)

二、
TensorFlow1.X :

from keras.models import Model
from keras.optimizers import Adam
from keras import backend as K
from keras.models import load_model

from keras.utils import to_categorical

报错信息:

ModuleNotFoundError: No module named ‘keras’

TensorFlow2.X :

from tensorflow.python.keras.models import Model
from tensorflow.python.keras.optimizers import Adam
from tensorflow.python.keras import backend as K
from tensorflow.python.keras.models import load_model

from tensorflow.keras.utils import to_categorical

三、

TensorFlow1.X :

import tensorflow as tf
gpu_options = tf.GPUOptions(per_process_gpu_memory_fraction=0.333)
sess = tf.Session(config=tf.compat.v1.ConfigProto(gpu_options=gpu_options))

os.environ['CUDA_VISIBLE_DEVICES'] = '0'
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)

报错信息:

AttributeError: module ‘tensorflow’ has no attribute ……

TensorFlow2.X :

import tensorflow.compat.v1 as tf
tf.compat.v1.disable_eager_execution()
或
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

替换import tensorflow as tf

四、

TensorFlow1.X :

history = model.fit(X_train, train_label, batch_size=64, nb_epoch=nb_epoch,verbose=1,
                    shuffle=True, validation_data=(X_val, val_label), callbacks=callback_lists)

报错信息:

TypeError: fit() got an unexpected keyword argument ‘nb_epoch’

TensorFlow2.X :

history = model.fit(X_train, train_label, batch_size=64, epochs=nb_epoch,verbose=1,
                        shuffle=True, validation_data=(X_val, val_label),callbacks=callback_lists)

附件
在TensorFlow 2.x版本中,将TensorFlow 1.x版本中的部分函数名字进行调整,如下:

将函数tf.random_uniform —>tf.random.uniform
将函数tf.random_crop—>tf.image.random_crop
将函数tf.random_shuffle—>tf.random.shuffle
将函数tf.read_file—>tf.io.read_file

参考链接
https://zhuanlan.zhihu.com/p/74858833

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用\[1\]中提供的信息,目前测试成功环境包的版本中包含了tensorflow-gpu=1.13.2和keras2.1.5。而根据引用\[2\]中的代码,你尝试加载了一个名为'rygh_logistic_save.h5'的模型,并使用tensorflow.keras.models.load_model函数进行加载。然而,根据引用\[3\]中的信息,你提到你当前使用的tensorflow版本为2.0,并且使用了tensorflow.keras。这可能导致报错。 根据你的问题,你想要安装keras2.10.0并从tensorflow.keras.models中导入Sequential。然而,根据提供的引用内容,没有提到安装keras2.10.0的信息。因此,我无法提供关于安装keras2.10.0的具体步骤。 然而,你可以尝试以下解决方法: 1. 确保你已经正确安装了tensorflowkeras。可以使用pip install tensorflow和pip install keras命令来安装它们。 2. 确认你的tensorflow版本是否与keras兼容。如果你使用的是tensorflow 2.x版本,可以尝试使用tensorflow.keras.models.Sequential来代替tensorflow.keras.models中的Sequential。 3. 检查你的代码中是否存在其他错误或拼写错误。 希望这些解决方法能够帮助你解决问题。如果问题仍然存在,请提供更多的信息,以便我能够更好地帮助你。 #### 引用[.reference_title] - *1* [kerastensorflow安装详解-神经网络第一个脚本](https://blog.csdn.net/yi247630676/article/details/123404817)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [tensorflow2.1.0加载模型keras.models.load_model()没反应,原因可能是你的tf不支持版本过高的h5py](https://blog.csdn.net/a_cherry_blossoms/article/details/113951126)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [tensorflow.keras图像分类及django部署总结](https://blog.csdn.net/m0_51402187/article/details/113919947)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值