Keras 中的“无法解释优化器标识符”错误

Posted 2023-02-16

【中文标题】Keras 中的“无法解释优化器标识符”错误

【英文标题】："Could not interpret optimizer identifier" error in Keras

【发布时间】：2018-10-07 22:37:03

【问题描述】：

我在 Keras 中尝试修改 SGD 优化器的学习率参数时收到此错误。我是否遗漏了代码中的某些内容，或者我的 Keras 没有正确安装？

这是我的代码：

from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Dense, Flatten, GlobalAveragePooling2D, Activation
import keras
from keras.optimizers import SGD

model = Sequential()
model.add(Dense(64, kernel_initializer='uniform', input_shape=(10,)))
model.add(Activation('softmax'))
model.compile(loss='mean_squared_error', optimizer=SGD(lr=0.01), metrics= ['accuracy'])*

这是错误信息：

Traceback（最近一次调用最后一次）：文件 “C:\TensorFlow\Keras\ResNet-50\test_sgd.py”，第 10 行，在 model.compile(loss='mean_squared_error', optimizer=SGD(lr=0.01), metrics=['accuracy']) 文件 "C:\Users\nsugiant\AppData\Local\Programs\Python\Python35\lib\site-packages\tensorflow\python\keras_impl\keras\models.py", 第 787 行，在编译中 **kwargs) 文件 "C:\Users\nsugiant\AppData\Local\Programs\Python\Python35\lib\site-packages\tensorflow\python\keras_impl\keras\engine\training.py", 第 632 行，在编译中 self.optimizer = optimizers.get(optimizer) 文件 "C:\Users\nsugiant\AppData\Local\Programs\Python\Python35\lib\site-packages\tensorflow\python\keras_impl\keras\optimizers.py", 第 788 行，在获取 raise ValueError('无法解释优化器标识符：'，标识符) ValueError:('无法解释优化器标识符：'， )

【参考方案1】：

原因是您将tensorflow.python.keras API 用于模型和层，而keras.optimizers 用于SGD。它们是 TensorFlow 和纯 Keras 的两个不同 Keras 版本。他们不能一起工作。您必须将所有内容更改为一个版本。那么它应该可以工作了。

【讨论】：

这个不行，你应该给出一个可行的解决方案

【参考方案2】：

我来晚了，您的问题是您的代码中混合了 Tensorflow keras 和 keras API。优化器和模型应该来自相同的层定义。将 Keras API 用于以下所有内容：

from keras.models import Sequential
from keras.layers import Dense, Dropout, LSTM, BatchNormalization
from keras.callbacks import TensorBoard
from keras.callbacks import ModelCheckpoint
from keras.optimizers import adam

# Set Model
model = Sequential()
model.add(LSTM(128, input_shape=(train_x.shape[1:]), return_sequences=True))
model.add(Dropout(0.2))
model.add(BatchNormalization())

# Set Optimizer
opt = adam(lr=0.001, decay=1e-6)

# Compile model
model.compile(
    loss='sparse_categorical_crossentropy',
    optimizer=opt,
    metrics=['accuracy']
)

我在这个例子中使用了亚当。请按照上述代码使用您的相关优化器。

希望这会有所帮助。

【讨论】：

或者，如果您想使用 tensorflow.keras 而不是 keras，请尝试以下link中的示例

【参考方案3】：

这个问题主要是由于版本不同造成的。 tensorflow.keras 版本可能与 keras 不同。 从而导致@Priyanka 提到的错误。

对我来说，每当出现此错误时，我都会将优化器的名称作为字符串传递，后端会计算出来。 例如，而不是

tf.keras.optimizers.Adam

或

keras.optimizers.Adam

我愿意

model.compile(optimizer= 'adam' , loss= keras.losses.binary_crossentropy, metrics=['accuracy'])

【讨论】：

是的，您可以将优化器的字符串名称作为优化器参数的值传递，但是当您想调整优化器设置（例如学习率）时，使用 tf.keras.optimizers.Adam 函数更灵活。

只是补充一点，在当前的 TF 版本（2.4.1）中，优化器必须作为函数调用，而不是参数。所以确切的代码将是“tf.keras.optimizers.Adam()”

那我怎样才能用这种语法添加 lr 呢？我在下面尝试过，但没有用 model.compile(optimizer= 'adam'(lr=0.0001); loss= keras.losses.binary_crossentropy, metrics=['accuracy'])

【参考方案4】：

from tensorflow.keras.optimizers import SGD

这很好用。

从 Tensorflow 2.0 开始，有一个新的 API 可以直接通过 tensorflow 获得：

https://www.pyimagesearch.com/2019/10/21/keras-vs-tf-keras-whats-the-difference-in-tensorflow-2-0/

解决方案适用于tensorflow==2.2.0rc2、Keras==2.2.4（在 Win10 上）

另请注意，以上版本使用learning_rate作为参数，不再使用lr。

【讨论】：

欢迎来到 Stack Overflow！虽然这段代码可以解决问题，including an explanation 解决问题的方式和原因确实有助于提高帖子的质量，并可能导致更多的赞成票。请记住，您正在为将来的读者回答问题，而不仅仅是现在提问的人。请edit您的答案添加解释并说明适用的限制和假设。

【参考方案5】：

对于某些库（例如keras_radam），您需要在导入之前设置环境变量：

import os
os.environ['TF_KERAS'] = '1'

import tensorflow
import your_library

【参考方案6】：

运行 Keras 文档示例 https://keras.io/examples/cifar10_cnn/ 并安装最新的 keras 和 tensor flow 版本

（在撰写本文时 tensorflow 2.0.0a0 和 Keras 2.2.4 版）

我必须明确导入示例使用的 keras 优化器，特别是示例顶部的行：

opt = tensorflow.keras.optimizers.rmsprop(lr=0.0001, decay=1e-6)

被替换为

from tensorflow.keras.optimizers import RMSprop

opt = RMSprop(lr=0.0001, decay=1e-6)

在最近的版本中，很多情况下的 api “损坏”和 keras.stuff 变成了 tensorflow.keras.stuff。

【参考方案7】：

就我而言，这是因为我错过了括号。我正在使用 tensorflow_addons 所以我的代码就像

model.compile(optimizer=tfa.optimizers.LAMB, loss='binary_crossentropy',
              metrics=['binary_accuracy'])

它给了

ValueError: ('Could not interpret optimizer identifier:', <class tensorflow_addons.optimizers.lamb.LAMB'>)

然后我把我的代码改成：

model.compile(optimizer=tfa.optimizers.LAMB(), loss='binary_crossentropy',
              metrics=['binary_accuracy'])

它有效。

【参考方案8】：

在一个内核中使用一种样式，尽量不要混用

from keras.optimizers import sth

与

from tensorflow.keras.optimizers import sth

【参考方案9】：

最近在 Keras API 2.5.0 的最新更新中，导入 Adam 优化器出现如下错误：

from keras.optimizers import Adam
ImportError: cannot import name 'Adam' from 'keras.optimizers' 

改为使用以下内容来导入优化器（即 Adam）：

from keras.optimizers import adam_v2
optimizer = adam_v2.Adam(learning_rate=lr, decay=lr/epochs)
Model.compile(loss='--',  optimizer=optimizer  , metrics=['--'])

【参考方案10】：

我尝试了以下方法，它对我有用：

从 keras 导入优化器

sgd = 优化器.SGD(lr=0.01)

model.compile(loss='mean_squared_error', optimizer=sgd)

【参考方案11】：

使用

从 tensorflow.keras 导入优化器

而不是

从 keras 导入优化器

【参考方案12】：

尝试将您的导入行更改为

from keras.models import Sequential
from keras.layers import Dense, ...

您的导入对我来说似乎有点奇怪。也许你可以详细说明一下。

【参考方案13】：

只要给

optimizer = 'sgd' / 'RMSprop'

【讨论】：

欢迎来到 Stack Overflow！您能否添加一点解释，说明您为什么认为这可以解决问题中所述的问题？

【参考方案14】：

我放错了括号并得到了这个错误，

一开始是

x=Conv2D(filters[0],(3,3),use_bias=False,padding="same",kernel_regularizer=l2(reg),x))

修正后的版本是

x=Conv2D(filters[0],(3,3),use_bias=False,padding="same",kernel_regularizer=l2(reg))(x)

【参考方案15】：

我收到了同样的错误消息，并通过替换优化器的分配解决了这个问题：

optimizer=keras.optimizers.Adam

用它的实例而不是类本身：

optimizer=keras.optimizers.Adam()

【参考方案16】：

我尝试了此线程中的所有方法来修复它，但它们没有奏效。但是，我设法为我修复了它。对我来说，问题是调用优化器类，即。 tensorflow.keras.optimizers.Adam 导致错误，但将优化器作为函数调用，即。 tensorflow.keras.optimizers.Adam() 工作。所以我的代码看起来像：

model.compile(
    loss=tensorflow.keras.losses.categorical_crossentropy(),
    optimizer=tensorflow.keras.optimizers.Adam()
)

看tensorflow github，I am not the only one with this error where calling the function rather than the class fixed the error.