【2024年04月24日基于Galaxy10CNN的星系形态分类项目实战，TensorFlow环境配置踩坑及记录】

项目地址

链接: 项目地址

实现

打开链接，将这一个文件跑通即可。
踩坑点：深度学习项目环境配置
下面笔者简述环境配置过程及踩坑点：

坑1：TensorFlow==2.16.1

默认安装的最新版本，其自带版本匹配的tf_keras，但代码中单独使用keras包，不会报错，但是在内部调用中会自动调用TensorFlow自带的tf_keras包。

此时会出现第一个问题：报错如下：
Traceback (most recent call last): File "C:\Users\99773\Desktop\AI_dmx\G10_classification_3.9.py", line 41, in <module> galaxy10net = Galaxy10CNN() File "C:\APP_WORK\Anaconda3\envs\AI_dmx\lib\site-packages\astroNN\models_init_.py", line 64, in Galaxy10CNN galaxy10_net = Cifar10CNN() File "C:\APP_WORK\Anaconda3\envs\AI_dmx\lib\site-packages\astroNN\models\misc_models.py", line 54, in init super().init() File "C:\APP_WORK\Anaconda3\envs\AI_dmx\lib\site-packages\astroNN\models\base_cnn.py", line 168, in init super().init() File "C:\APP_WORK\Anaconda3\envs\AI_dmx\lib\site-packages\astroNN\models\base_master_nn.py", line 68, in init self._keras_ver = tfk.version # tensorflow.keras version File "C:\APP_WORK\Anaconda3\envs\AI_dmx\lib\site-packages\tensorflow\python\util\lazy_loader.py", line 211, in getattr return getattr(module, item) AttributeError: module 'keras._tf_keras.keras' has no attribute 'version'
具体问题描述为：找不到tf_keras的包，但是笔者通过路径找到该包时，发现version是存在的。

分析如下：

1. Traceback (most recent call last):：这是Python程序出现异常时的标准输出格式，表示接下来会显示引发当前错误的函数调用序列（即“调用栈”），从最近的调用开始追溯。

2. File "C:\Users\99773\Desktop\AI_dmx\G10_classification_3.9.py", line 41, in <module>：指出错误发生在哪个文件中（G10_classification_3.9.py），具体是第41行，并且该行位于文件的顶级模块（<module>）。

3. galaxy10net = Galaxy10CNN()：这是出错的代码行，尝试创建一个名为Galaxy10CNN的类的实例，并将其赋值给变量galaxy10net。

4. File "C:\APP_WORK\Anaconda3\envs\AI_dmx\lib\site-packages\astroNN\models\__init__.py", line 64, in Galaxy10CNN：错误追溯到astroNN.models包中的__init__.py文件，第64行的Galaxy10CNN类定义内。

5. galaxy10_net = Cifar10CNN()：在Galaxy10CNN类的定义中，调用了Cifar10CNN类的构造函数来创建实例。

6. File "C:\APP_WORK\Anaconda3\envs\AI_dmx\lib\site-packages\astroNN\models\misc_models.py", line 54, in __init__：进一步追溯到astroNN.models.misc_models.py文件中的Cifar10CNN类的__init__方法（第54行）。

7. super().__init__()：该行代码调用了父类的初始化方法。

8. File "C:\APP_WORK\Anaconda3\envs\AI_dmx\lib\site-packages\astroNN\models\base_cnn.py", line 168, in __init__：继续追溯到父类定义所在的文件base_cnn.py，以及其__init__方法的第168行。

9. super().__init__()：此处同样调用了更上层父类的初始化方法。

10. File "C:\APP_WORK\Anaconda3\envs\AI_dmx\lib\site-packages\astroNN\models\base_master_nn.py", line 68, in __init__：最终追溯到最顶层父类定义所在的文件base_master_nn.py及其__init__方法的第68行。

11. self._keras_ver = tfk.__version__ # tensorflow.keras version：在该行代码中，试图获取tensorflow.keras模块的版本号，并将其赋值给实例变量self._keras_ver。

12. File "C:\APP_WORK\Anaconda3\envs\AI_dmx\lib\site-packages\tensorflow\python\util\lazy_loader.py", line 211, in __getattr__：由于tensorflow.keras是通过延迟加载（lazy loading）的方式引入的，因此实际访问属性时会触发lazy_loader.py文件中__getattr__方法。

13. return getattr(module, item)：在__getattr__方法中，尝试从实际加载的模块（module）中获取指定属性（item）。

14. AttributeError: module 'keras._tf_keras.keras' has no attribute '__version__'：最终抛出异常，表示在模块keras._tf_keras.keras中找不到名为__version__的属性（即版本号）。这可能是由于该模块的实现不包含版本信息，或者模块结构发生了变化导致无法按预期方式访问版本号。

解决方法：

直接查询TensorFlow版本

如果keras._tf_keras.keras确实不提供__version__属性，您可以考虑直接查询tensorflow的版本，因为tensorflow.keras是tensorflow的一部分。修改base_master_nn.py文件中第68行代码为：

self._keras_ver = tf.__version__  # 使用tensorflow的版本代替

这样虽然不能得到tensorflow.keras模块本身的精确版本，但通常情况下，tensorflow的版本足以反映其内部keras组件的大致版本信息。

第一个问题解决之后，继续运行，报出第二个问题：报错如下：

出现了内部调用的函数位置参数不匹配问题。这肯定是astroNN包与TensorFlow版不一致导致的，而且无法轻易修改，会导致后续一系列问题。
解决办法：
astroNN 包保持版本不变，tensorflow==2.12.1，但是该版本没有对应的tf_keras包，单独安装keras==2.12.0

坑2：TensorFlow==2.12.1

解决过程：
会有两个报错，也是版本不完全匹配导致的，但是该版本不匹配可以通过将报错的代码注释掉即可顺利跑通。
第一个报错：

sample_weight_mode = sample_weight_mode注释掉这句即可

第二个报错：
说是TensorFlow版本小于2.13，请升级版本！
注意，此时千万不要升级版本，把报错的地方，即需要使用2.13版本TensorFlow的代码注释掉即可，只要不影响功能的实现即可。
具体位置：

该文件中注释掉的部分即为使用2.13版本的TensorFlow，注释掉即可（可能2.13版本的可以跳过这个错误直接实现，但笔者没有尝试）：

到此为此，程序即可跑通，进入训练即可，可自行修改训练参数。