如何修复“AttributeError:模块'tensorflow'没有属性'get_default_graph'”?
Posted
技术标签:
【中文标题】如何修复“AttributeError:模块\'tensorflow\'没有属性\'get_default_graph\'”?【英文标题】:How to fix "AttributeError: module 'tensorflow' has no attribute 'get_default_graph'"?如何修复“AttributeError:模块'tensorflow'没有属性'get_default_graph'”? 【发布时间】:2019-08-25 01:11:22 【问题描述】:我正在尝试运行一些代码来创建 LSTM 模型,但出现错误:
AttributeError: module 'tensorflow' has no attribute 'get_default_graph'
我的代码如下:
from keras.models import Sequential
model = Sequential()
model.add(Dense(32, input_dim=784))
model.add(Activation('relu'))
model.add(LSTM(17))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
我发现其他人有类似的问题,他们更新了 tensorflow 并且可以正常工作;但我的是最新的,仍然无法正常工作。我是使用 keras 和机器学习的新手,所以如果这很愚蠢,我深表歉意!
【问题讨论】:
【参考方案1】:请尝试:
from tensorflow.keras.models import Sequential
而不是
from keras.models import Sequential
【讨论】:
【参考方案2】:对于 tf 2.1.0,我使用了 tf.compat.v1.get_default_graph()
- 例如:
import tensorflow as tf
sess = tf.compat.v1.Session(graph=tf.compat.v1.get_default_graph(), config=session_conf)
tf.compat.v1.keras.backend.set_session(sess)
【讨论】:
【参考方案3】:对于最新的 tensorflow 2,将上面的代码替换为下面的代码并进行一些更改
有关详细信息,请查看 keras 文档: https://www.tensorflow.org/guide/keras/overview
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.models import Sequential, load_model
model = tf.keras.Sequential()
model.add(layers.Dense(32, input_dim=784))
model.add(layers.Activation('relu'))
model.add(layers.LSTM(17))
model.add(layers.Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer=tf.keras.optimizers.Adam(0.01), metrics=['accuracy'])
【讨论】:
【参考方案4】:由于tensorflow版本的变化而发生:: 替换
tf.get_default_graph()
通过
tf.compat.v1.get_default_graph()
【讨论】:
【参考方案5】:我遇到了同样的问题。我试过了
from tensorflow.keras.models import Sequential
和
from keras.models import Sequential
它们都不起作用。于是我更新了tensorflow、keras和python:
$conda update python
$conda update keras
$conda update tensorflow
或
pip install --upgrade tensorflow
pip install --upgrade keras
pip install --upgrade python
我的tensorflow版本是2.1.0;我的 keras 版本是 2.3.1;我的 python 版本是 3.6.10。 在我卸载 keras 并重新安装 keras 之前,没有任何效果:
pip uninstall keras
pip install keras --upgrade
【讨论】:
【参考方案6】:原来我使用了错误的版本(2.0.0a0),所以我重置为最新的稳定版本(1.13.1)并且它可以工作。
【讨论】:
这不是解决方案,您回到了早期版本的 keras 并使用了该版本的实现。 @irezwi 的答案是使用 tf 2.0 只是补充一点解释:TensorFlow 2.0 内置了 Keras;无需将 Keras 单独加载到您的环境中;只需按照@irezwi 所示更改导入语句即可。【参考方案7】:将所有keras.something.something
替换为tensorflow.keras.something
,并使用:
import tensorflow as tf
from tensorflow.keras import backend as k
【讨论】:
【参考方案8】:降级会解决问题,但如果您想使用最新版本,则必须尝试以下代码:
from tensorflow import keras
和 'from tensorflow.python.keras import backend as k
这对我有用
【讨论】:
【参考方案9】:使用以下内容:
tf.compat.v1.disable_eager_execution()
print(tf.compat.v1.get_default_graph())
它适用于 tensorflow 2.0
【讨论】:
【参考方案10】:是的,因为您使用的是 tensorflow 的更新版本,即 tensorflow == 2.0 ,所以它不起作用,旧版本的 tensorflow 可能会有所帮助。 我遇到了同样的问题,但我使用以下代码修复了它。
尝试:
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.layers import Dropout
改为:
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Dropout
【讨论】:
【参考方案11】:为了解决这个问题,我使用了下面的代码:
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy
【讨论】:
您好,欢迎来到 ***,感谢您的回复!请添加您认为可能导致错误的原因以及解决方案背后的想法,以便其他人可以理解基本概念并在类似情况下找到解决方案!也请使用格式化选项,例如使鳕鱼示例脱颖而出!您可以使用编辑区域顶部的图标以及标记 - 单击编辑区域右上角的帮助图标可获得文档。【参考方案12】:这对我有用。请使用以下导入
from tensorflow.keras.layers import Input
【讨论】:
【参考方案13】:这也发生在我身上。原因是你的 tensorflow 版本。尝试获取旧版本的 tensorflow。另一个问题可能是你的项目中有一个名为 tensorflow.py 的 python 脚本。
【讨论】:
如何降级?【参考方案14】:是的,该代码不适用于此版本的 tensorflow tensorflow == 2.0.0 。移至 2.0.0 之前的版本会有所帮助。
【讨论】:
【参考方案15】:假设引用此线程的人将使用越来越多的 tensorflow 2:
Tensorflow 2 进一步集成了 keras api,因为 keras 的设计/开发非常明智。如果您使用的是 tensorflow 2,答案非常简单,如 here 所述:
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Activation, LSTM
model = Sequential()
model.add(Dense(32, input_dim=784))
model.add(Activation('relu'))
model.add(LSTM(17))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss=tensorflow.keras.losses.binary_crossentropy, optimizer=tensorflow.keras.optimizers.Adam(), metrics=['accuracy'])
这就是你改变的方式,你可以使用 keras 官方页面中的 MNIST 之类的东西,只需替换 tensorflow.keras
而不是 keras
并在 gpu 上运行它;
from __future__ import print_function
import tensorflow
from tensorflow.keras.datasets import mnist
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Flatten
from tensorflow.keras.layers import Conv2D, MaxPooling2D
from tensorflow.keras import backend as K
batch_size = 1024
num_classes = 10
epochs = 12
# input image dimensions
img_rows, img_cols = 28, 28
# the data, split between train and test sets
(x_train, y_train), (x_test, y_test) = mnist.load_data()
if K.image_data_format() == 'channels_first':
x_train = x_train.reshape(x_train.shape[0], 1, img_rows, img_cols)
x_test = x_test.reshape(x_test.shape[0], 1, img_rows, img_cols)
input_shape = (1, img_rows, img_cols)
else:
x_train = x_train.reshape(x_train.shape[0], img_rows, img_cols, 1)
x_test = x_test.reshape(x_test.shape[0], img_rows, img_cols, 1)
input_shape = (img_rows, img_cols, 1)
x_train = x_train.astype('float32')
x_test = x_test.astype('float32')
x_train /= 255
x_test /= 255
print('x_train shape:', x_train.shape)
print(x_train.shape[0], 'train samples')
print(x_test.shape[0], 'test samples')
# convert class vectors to binary class matrices
y_train = tensorflow.keras.utils.to_categorical(y_train, num_classes)
y_test = tensorflow.keras.utils.to_categorical(y_test, num_classes)
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
activation='relu',
input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss=tensorflow.keras.losses.categorical_crossentropy,
optimizer=tensorflow.keras.optimizers.Adadelta(),
metrics=['accuracy'])
model.fit(x_train, y_train,
batch_size=batch_size,
epochs=epochs,
verbose=1,
validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
print('Test loss:', score[0])
print('Test accuracy:', score[1])
【讨论】:
【参考方案16】:对于 TensorFlow 2.0,使用与 tensorflow 捆绑的 keras。
尝试将keras.models
替换为tensorflow.python.keras.models
或tensorflow.keras.models
:
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers.core import Dense, Activation
这应该可以解决问题。
【讨论】:
【参考方案17】:!pip uninstall tensorflow
!pip install tensorflow==1.14
这对我有用...在 hrnetv2 上工作.. ty
【讨论】:
【参考方案18】:请尽量简洁!
第一 -->
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
那么 -->
model = keras.Sequential(
[
layers.Dense(layers.Dense(32, input_dim=784)),
layers.Dense(activation="relu"),
layers.Dense(LSTM(17))
]
)
model.add(layers.Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer=tf.keras.optimizers.Adam(0.01), metrics=['accuracy'])
瞧!!
【讨论】:
欢迎来到 Stack Overflow!请确保您的解决方案尚未在 this one 等其他答案中提出。以上是关于如何修复“AttributeError:模块'tensorflow'没有属性'get_default_graph'”?的主要内容,如果未能解决你的问题,请参考以下文章