关于tensorflow2.5版本Keras不能import的问题

最新推荐文章于 2023-08-29 17:12:16 发布

wyyiam

最新推荐文章于 2023-08-29 17:12:16 发布

阅读量5.2k

点赞数 2

文章标签： tensorflow python

本文链接：https://blog.csdn.net/wyyiam/article/details/117784977

版权

主要原因是因为tensorflow有了2.5，而keras只到2.4.3

一、检查python版本是不是3.8，是3.8及一下的话可以去安装tensorflow2.4就能适配了

https://pypi.org/project/tensorflow/2.4.1/

二、python版本是3.9，但幸运的是keras已经在最近放出了test版本的2.5，可以下载后用pip install 文件名.whl来安装

https://pypi.org/project/keras/2.5.0rc0/#files

对于keras2.5版本，优化器的位置从原来的keras.optimazors 转到了 keras.optimizer_v2 底下，而且导入需要再加一环

用adam为例子

2.4版本：

from keras.optimizers import Adam

2.5 版本：

from keras.optimizer_v2.adam import Adam

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

wyyiam

关注关注

2
点赞
踩
10

收藏

觉得还不错? 一键收藏
10
评论
关于tensorflow2.5版本Keras不能import的问题

主要原因是因为tensorflow有了2.一、检查python版本是不是3.8，是3.8及一下的话可以去安装tensorflow2.4就能适配了
复制链接

扫一扫

【问题记录】无法 from tensorflow.keras import datasets, layers, models | 人工智能面试题：在深度学习中，如何解决梯度消失和梯度爆炸的问题？

追光者♂：记录、分享、总结、提升，现象级专栏《Python从入门到人工智能》作者，无惧黑暗，坚信曙光

11-03

2238

【问题记录】无法 from tensorflow.keras import datasets, layers, models 人工智能面试题：在深度学习中，如何解决梯度消失和梯度爆炸的问题？

解决Keras 与 Tensorflow 版本之间的兼容性问题

09-18

今天小编就为大家分享一篇解决Keras 与 Tensorflow 版本之间的兼容性问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

10 条评论您还未登录，请先登录后发表或查看评论

keras无法在Anaconda环境(tensorflow)的ipython中正常import问题

haiyonghao的博客

05-27

3116

该问题处理之前的状态：环境：Ubuntu16.04 + Anaconda + tensorflow1.6(使用python3.6) 状态展示在ipython中执行完import keras之后，出现“no moudle named keras” 处理方法 1、安装ipykernel conda install ipykernel 2、找到ipython的启...

keras模型可视化报错，无法import graphviz

kwok266666的博客

08-19

313

项目场景：使用Keras进行模型可视化 from keras.utils imoprt plot_model plot_model(model, to_file='model.png', show_shapes=False, show_layer_names=True) 问题描述：报错，提示如下： ImportError: Failed to import pydot. You must install pydot and graphviz for pydotprint to work. 文档中的提示

安装keras之后，import keras出现错误：ImportError: /lib64/libstdc++.so.6: version `CXXABI_1.3.9' not found

sxt1001的博客

06-18

2811

如图所示：解决办法网上可以找到很多，在这里贴出网上看到的一个简单粗暴的解决办法：由于观察到报错内容与scipy有关，于是卸载了scipy，重新安装。再次import keras，没报错...

Anaconda上已经成功安装keras但在pycharm中import keras时仍报错

UNDEFINED_AUBE的博客

04-01

5870

在pycharm上想要用keras的数据集，结果import keras老是报错：f' No checkpoints appear to be found after <_CHECKPOINT…… 查了一圈也没有看到有人出现过这种bug，其实就是keras和tensorflow的版本不对应的问题。版本对应参考：tensorflow和keras版本对应关系_就是求关注的博客-CSDN博客先进入Anaconda Prompt，输入指令activate tensorflow进入tensorflow

安装了keras，报错 importerror： no module named kears

qq_34650787的博客

04-25

4630

原因可能如下：你使用的python 默认是2.7 (或者是3.6)，而keras 安装到了python3.5或python 3.6 的路径下，此时，你需要重新安装keras并指定安装路径可以测试下 pip --version （检查pip的路径） pip 19.0.3 from /home/jack/anaconda2/lib/python2.7/site-packages/pip (pyt...

keras-nightly 导入包报错 cannot import name ‘Adam‘ from ‘keras.optimizers‘

热门推荐

lazyn的博客

06-06

2万+

版本 keras-nightly=2.5.0.dev2021032900 报错信息 from keras.optimizers import Adam ImportError: cannot import name 'Adam' from 'keras.optimizers'

Tensorflow2.4+Keras2.4(Python3.8.3).zip

03-18

from tensorflow import keras ``` 这个预配置的环境对于快速搭建深度学习项目非常有帮助，尤其是对于那些不熟悉环境配置或者希望节省时间的开发者。但需要注意的是，这种方式可能不适合需要特定版本依赖的项目，...

解决tensorflow/keras时出现数组维度不匹配问题

09-16

主要介绍了解决tensorflow/keras时出现数组维度不匹配问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

from tensorflow.keras import无法引用

zz_smallred的博客

05-04

1万+

环境：安装anaconda，创建虚拟环境，使用的python版本为python3.7；安装tensorflow-gpu版本（版本为2.1.0，能够正常进行import tensorflow）使用pycharm进行出现错误：这里提示在tensorflow包下并没有keras的文件可以进行引用，但实际上代码还是可以继续运行的。个人推测是遍历了tensorflow下各个文件进行搜索。去F:...

jupyter book 中 No module named ‘keras‘问题

m0_61832505的博客

12-21

5871

本地已经安装了keras的安装包，jupyter book在运行import keras时还是会报错：No module named 'keras' 解决方案有两种 1、添加tensorflow kernel 在Anaconda Prompt中操作： (1)查看当前可用kernel：jupyter kernelspec list (2)激活虚拟环境：activate tensorflow (注：tensorflow是之前创建的虚拟环境名) (3)在tensorflow虚拟环境下，安装ipyke.

关于keras安装成功调用失败问题

jinziqi0330的博客

02-29

2366

使用 conda install keras-gpu 安装默认版本为2.3.1 调用失败显示ImportError: cannot import name ‘PrecisionAtRecall’ from ‘tensorflow.python.keras.metrics’ (C:\Users\asd45\Anaconda3\envs\tf2.0\lib\site-packages\tensorfl...

逐步解决安装Keras后运行程序出现的问题哭晕在厕所里-‘transpose_shape‘ from ‘keras.utils.generic_utils‘

车手只需要车和手，压力来自轮胎

07-25

4813

ImportError: cannot import name ‘transpose_shape’ from ‘keras.utils.generic_utils’ 具体出现的问题如下： 2021-07-25 10:29:22.063794: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_1

tensorflow导入keras出错问题

最新发布

Robot3366的博客

08-29

2410

在升级tensorflow到2.10.1过程中，出现keras导入时出错问题，在网上进行了几个小时的搜索，没有找到好的解决方案。大体的解决思路是tensorflow与keras的版本不兼容。实际问题解决后，确实是这个原因。在网上查找的tensorflow对应的版本都比较低，这里可以使用的版本是：tensorflow为2.10.1，keras的版本为2.10.0。先安装keras, 再安装tensorflow。

keras报错：ImportError: cannot import name ‘get_file‘ from ‘keras.utils‘

OUTMAN80的博客

05-29

2438

keras报错：ImportError: cannot import name 'get_file' from 'keras.utils'

Python使用keras和tensorflow遇到的问题

dltan

12-12

2326

报错：No module named 'keras.datasets'; 'keras' is not a package 和AttributeError: module 'tensorflow' has no attribute 'get_default_graph'及tensorflow-gpu的安装和使用

解决tensorflow下无keras的问题，from tensorflow import keras,keras标红问题，同时会更好的理解包与包之间的关系，能够解决很多no module问题

mingxinchang的博客

06-03

1万+

更好的理解了keras与tensorfow.keras的关系，解决tensorflow下无keras的问题，from tensorflow import keras,keras标红问题，同时会更好的理解包与包之间的关系，能够解决很多no module问题

tensorflow2.5 混合精度训练

06-02

TensorFlow 2.5 中的混合精度训练可以通过使用 tf.keras.mixed_precision API 来实现。混合精度训练可以加快训练速度，同时减少 GPU 内存的使用。要使用混合精度训练，需要先将模型的 dtype 设置为 float16，然后使用 tf.keras.mixed_precision.experimental.set_policy() 函数来设置混合精度策略。以下是一个使用混合精度训练的示例： ```python import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers from tensorflow.keras.mixed_precision import experimental as mixed_precision # 设置混合精度策略 policy = mixed_precision.Policy('mixed_float16') mixed_precision.set_policy(policy) # 构建模型 model = keras.Sequential([ layers.Dense(64, input_shape=(32,), activation='relu'), layers.Dense(10, activation='softmax') ], dtype='float16') # 编译模型 model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy']) # 加载数据集 (train_images, train_labels), (test_images, test_labels) = keras.datasets.mnist.load_data() train_images = train_images.reshape((60000, 28 * 28)).astype('float16') / 255 test_images = test_images.reshape((10000, 28 * 28)).astype('float16') / 255 # 训练模型 model.fit(train_images, train_labels, epochs=10, validation_data=(test_images, test_labels)) ``` 在上面的示例中，我们先设置混合精度策略，然后构建模型时将 dtype 设置为 float16，编译模型时指定优化器、损失函数和评估指标，最后使用 fit() 函数训练模型。

“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