python - 如何修复“AttributeError：模块'tensorflow'没有属性'get_default_graph'”？

Question

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 并且它有效；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！

score 44 · Accepted Answer

请试试：

from tensorflow.keras.models import Sequential

代替

from keras.models import Sequential

score 16 · Accepted Answer

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)

score 13 · Accepted Answer

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'])

score 7 · Accepted Answer

它是由于 tensorflow 版本的变化而发生的 :: Replace

tf.get_default_graph()

经过

tf.compat.v1.get_default_graph()

score 6 · Accepted Answer

我有同样的问题。我试过了

from tensorflow.keras.models import Sequential

和

from keras.models import Sequential

它们都不起作用。所以我更新了 tensorflow、keras 和 python：

$conda update python
$conda update keras
$conda update tensorflow

或者

pip install --upgrade tensorflow
pip install --upgrade keras
pip install --upgrade python

我的张量流版本是 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

score 5 · Accepted Answer

原来我使用了错误的版本（2.0.0a0），所以我重置到最新的稳定版本（1.13.1）并且它可以工作。

score 3 · Accepted Answer

全部替换keras.something.something为tensorflow.keras.something, 并使用：

import tensorflow as tf
from tensorflow.keras import backend as k

score 1 · Accepted Answer

降级将解决问题，但如果您想使用最新版本，您必须尝试以下代码： from tensorflow import keras和 'from tensorflow.python.keras import backend as k 这对我有用

score 1 · Accepted Answer

使用以下内容：

tf.compat.v1.disable_eager_execution()
print(tf.compat.v1.get_default_graph())

它适用于张量流 2.0

score 1 · Accepted Answer

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

score 1 · Accepted Answer

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

反而：

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

score 1 · Accepted Answer

1

这对我有用。请使用以下导入

from tensorflow.keras.layers import Input

于 2021-03-30T14:33:39.640 回答

score 0 · Accepted Answer

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。另一个问题可能是您的项目中有一个名为 tensorflow.py 的 Python 脚本。

score 0 · Accepted Answer

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。

score 0 · Accepted Answer

假设人们提到这个线程将使用越来越多的 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，如下所述：

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，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])

score 0 · Accepted Answer

对于 TensorFlow 2.0，使用与 tensorflow 捆绑的 keras。

尝试用keras.modelsortensorflow.python.keras.models替换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。

score 0 · Accepted Answer

!pip uninstall tensorflow 
!pip install tensorflow==1.14

这对我有用......在hrnetv2上工作...... ty

score -1 · Accepted Answer

请尽量简洁！

第一 -->

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

然后 -->

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！

python - 如何修复“AttributeError：模块'tensorflow'没有属性'get_default_graph'”？

18 回答 18

Related

Reference