AttributeError：“google.protobuf.pyext._message.RepeatedCompositeCo”对象没有属性“附加”

Posted 2023-02-23

【中文标题】AttributeError：“google.protobuf.pyext._message.RepeatedCompositeCo”对象没有属性“附加”

【英文标题】：AttributeError: 'google.protobuf.pyext._message.RepeatedCompositeCo' object has no attribute 'append'

【发布时间】：2020-02-09 02:26:42

【问题描述】：

我正在 Google Collab 上的 MobileNetv2 预训练模型上构建迁移学习模型。直到昨天，一切都很好。但是，今天，在执行时

#Create the base model(feature_extractor) from the pre-trained model MobileNet V2
_URL = "https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/2"
feature_extractor = hub.KerasLayer(_URL, input_shape=(_TARGET_SIZE, _TARGET_SIZE,3))

我得到错误：

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-29-663d4cbb70df> in <module>()
      2 _TARGET_SIZE = 224
      3 _URL = "https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/2"
----> 4 feature_extractor = hub.KerasLayer(_URL, input_shape=(_TARGET_SIZE, _TARGET_SIZE,3))
      5 #print(feature_extractor._layers)


/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/resource_variable_ops.py in _variable_handle_from_shape_and_dtype(shape, dtype, shared_name, name, graph_mode, initial_value)
    165     handle_data = cpp_shape_inference_pb2.CppShapeInferenceResult.HandleData()
    166     handle_data.is_set = True
--> 167     handle_data.shape_and_type.append(
    168         cpp_shape_inference_pb2.CppShapeInferenceResult.HandleShapeAndType(
    169             shape=shape.as_proto(), dtype=dtype.as_datatype_enum))

AttributeError: 'google.protobuf.pyext._message.RepeatedCompositeCo' object has no attribute 'append'

知道为什么会发生这种情况，我是否需要进入 /usr/local/lib/python3.6/dist-packages/tensorflow_core/python/ops/resource_variable_ops.py 文件并制作一些变化 ？我认为它与一些更新问题有关。关于如何解决它的任何帮助？

【参考方案1】：

我在使用 tensorflow（版本 2.2.0-dev20200128）时遇到了同样的错误，并通过升级 protobuf 来修复它（如issue 中所述）：

pip install -U protobuf==3.8.0

或者，如果您使用笔记本（如 Google Colab 笔记本），请尝试以下操作：

!pip install -U protobuf==3.8.0

【讨论】：

如果要安装某个版本，需要两个连续的等号。例如：pip install -U protobuf==3.8.0

【参考方案2】：

如果它直到昨天都运行良好并且您没有更改任何内容，那么请检查两件事 - TF 版本，如果最近更改了 bc，他们将 'default' TF 版本从 1.14 设置为 1.15.rc。

如果相同，则保存此文件并关闭所有 colab 窗口，甚至您的 chrome 或您正在使用的任何浏览器，然后再次打开并尝试运行该文件。

编辑： 上面说了，一定是TF版的原因。所以恢复到模型工作时使用的那个。正如您在下面的 cmets 中提到的，它正在使用版本“dev20191010”，因此回滚到它可以解决您的问题。

【讨论】：

TF 版本为：'2.1.0-dev20191011'

你必须使用'dev20191010' 此外，这些夜间构建每天都会更改，因此请小心或回滚到稳定的 2.0

是的，昨天还是同一个版本！实际上，几天前有一个更新，然后由于新 TF 版本中的一些功能损坏，我开始遇到一些问题。我不得不使用：!pip install tf-hub-nightly 和 !pip install tf-nightly-gpu。

今天是 10 月 11 日，昨天是 10 日，所以你昨天一定用过dev20191010。回滚到这个版本并测试。

【参考方案3】：

尝试从文件中打开“New Python 3 notebook”并在那里编写代码，这解决了我的问题。

【讨论】：

我在笔记本打开时安装了 tf。只需停止 jupyter 并重新启动它即可解决问题

【参考方案4】：

我安装了 tensorflow 并且遇到了同样的问题，我做了什么：

第 1 步：升级 protobuf：

pip install -U protobuf==3.8.0

第2步：关闭一切或python环境并重新启动它。

【参考方案5】：

今天是 2020 年 4 月 22 日。Tensorflow 2.1 似乎需要 protobuf 3.11.3，所以使用： pip install -U protobuf==3.11.3 为我工作

【参考方案6】：

我遇到了同样的问题。我重新安装了 protobuf = 3.11.3 并再次正常工作。 通过使用：

!pip install -U protobuf==3.11.3

然后重启你的内核。

【参考方案7】：

今天 2020 年 6 月 19 日，TF 版本 2.2.0。我在 jupyter notebook 中运行以下命令，然后正确关闭打开的笔记本并关闭 jupyter 服务器，然后重新启动 Anaconda Navigator。终于成功了！！！

Protobuf 升级：-

!pip install --upgrade protobuf

【参考方案8】：

今天 2020 年 6 月 23 日，我通过升级 tensorboard bt 2.2.2 解决了这个问题 感谢您提出的问题

【参考方案9】：

我有一个正在运行的示例代码，它加载一个模型并对一些图像输入进行预测。我想从 C# 代码中调用预测，这就是为什么我必须安装一个名为 winmltools 的 ONNX 转换包。我已经安装了 winmltools，在我的 python 环境（版本 3.6）上安装之后，我开始收到这条消息，同时试图运行以前运行的 python 代码。显然，winmltools 包必须更改了一些 tensorflow 支持包的版本（可能是 protobuf 或其他）。我只是使用“pip install tensorflow”重新安装了 tensorflow，安装过程解决了这个问题。

简而言之，首先尝试重新安装 tensorflow，看看是否能解决您的问题。

【参考方案10】：

我遇到了同样的问题。我卸载了protobuf，然后重新安装。问题已解决。