Keras 中的“无法解释优化器标识符”错误

Question

当我尝试在 Keras 中修改 SGD 优化器的学习率参数时出现此错误。 我是否遗漏了代码中的某些内容，或者我的 Keras 安装不正确？

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'])*

这是错误消息：

回溯（最近一次调用）：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，编译**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，编译自.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 get raise ValueError('Could not interpret optimizer identifier:', identifier) ValueError: ('Could not interpret optimizer identifier:', )

Answer 1

我最近遇到了类似的问题。

原因是您对模型和层使用 tensorflow.python.keras api，对 SGD 使用 keras.optimizers。 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。 那么它应该工作。 :)

希望这可以帮助。

Answer 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同一个层定义。 对所有内容使用 Keras API，如下所示：

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 adam。 请按照上面的代码使用您的相关优化器。

希望这可以帮助。

Answer 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入，后端会计算出来。 例如代替

tf.keras.optimizers.Adam

或者

keras.optimizers.Adam

我愿意

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

Answer 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 ：

• 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 ， tensorflow==2.2.0rc2 Keras==2.2.4 （在 Win10 上）

另请注意，上述版本使用learning_rate作为参数，不再使用lr 。

Answer 5

对于某些库（例如keras_radam ），您需要在导入之前设置一个环境变量：

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

import tensorflow
import your_library

Answer 6

运行 Keras 文档示例https://keras.io/examples/cifar10_cnn/并安装最新的 keras 和张量流版本

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

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)

被替换了

from tensorflow.keras.optimizers import RMSprop

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

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

Answer 7

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', 优化器=sgd)

Answer 8

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

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

然后我将代码更改为：

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

它有效。

Answer 9

一个内核使用一种样式，尽量不要混用

from keras.optimizers import sth

和

from tensorflow.keras.optimizers import sth

Answer 10

用

从 tensorflow.keras 导入优化器

代替

从 keras 导入优化器

Answer 11

最近，在 Keras API 2.5.0 的最新更新中，导入 Adam 优化器显示以下错误：

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

而是使用以下导入优化器（即 Adam）：

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

Answer 12

尝试将导入行更改为

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

你的进口对我来说似乎有点奇怪。 也许你可以更详细地说明这一点。

Answer 13

就给

optimizer = 'sgd' / 'RMSprop'

Answer 14

我放错了括号并得到这个错误，

最初是

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)

Answer 15

我收到了相同的错误消息并解决了这个问题，就我而言，通过替换优化器的分配：

optimizer=keras.optimizers.Adam

使用它的实例而不是类本身：

optimizer=keras.optimizers.Adam()

Answer 16

我尝试了这个线程中的所有方法来修复它，但它们没有用。 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()
)

查看 tensorflow github， 我不是唯一一个出现此错误的人，其中调用函数而不是类来修复错误。