R keras 包錯誤：未找到 Python 模塊 tensorflow.contrib.keras.python.keras

Question

我在 R 中安裝了來自 GitHub 的devtools keras ，在 Python 中安裝了 TensorFlow。

但是，當我運行一個示例 Keras 命令時，例如：

model <- keras_model_sequential() 

我得到以下信息：

錯誤：未找到 Python 模塊 tensorflow.contrib.keras.python.keras。

 Detected Python configuration: python: C:\\Python35\\python.exe libpython: C:/Python35/python35.dll pythonhome: C:\\Python35 version: 3.5.0 (v3.5.0:374f501f4567, Sep 13 2015, 02:27:37) [MSC v.1900 64 bit (AMD64)] Architecture: 64bit numpy: C:\\Python35\\lib\\site-packages\\numpy numpy_version: 1.13.0 tensorflow: C:\\Python35\\lib\\site-packages\\tensorflow python versions found: C:\\Python35\\python.exe C:\\Python27\\\\python.exe C:\\Python35\\\\python.exe C:\\Python36\\\\python.exe

Answer 1

我有一個類似的問題。 重啟 rstudio，加載 keras 和 tensorflow 庫，然后輸入use_condaenv("r-tensorflow") 。 那為我修好了。

Answer 2

首先，您可以從這里安裝 R tensorflow 包。

然后，您可以使用 install_tensorflow 函數安裝最新的 tensorflow 版本，如本答案所示。

之后，只需安裝和更新 R-keras 庫。 它現在應該使用最新版本的 TensorFlow，這可能會解決您的問題。 此外，請確保安裝與您的 Python 版本匹配的 tensorflow 版本。

Answer 3

我有一個Mac上康達安裝有類似的問題（因此使用install_keras(method = 'conda', conda = '/opt/anaconda3/bin/conda')其創建被稱為虛擬環境r-reticulate下~/.conda/envs 。然后，當我嘗試像您一樣實例化模型時，出現錯誤“錯誤：未找到 Python 模塊 tensorflow.python.keras”。

對我來說，在加載library(keras)執行use_condaenv("r-reticulate", required = TRUE)之后解決了它，然后一切正常。

Answer 4

我遇到了類似的問題，以下步驟有助於克服這個問題。

1. 從 rstudio github 安裝 TensorFlow 和 Keras。

• devtools::install_github("rstudio/tensorflow")
• devtools::install_github("rstudio/keras")

2. 執行以下

• 張量流::安裝_張量流()
• 張量流:: tf_config()

Answer 5

我遇到了類似的問題。 通過將tensorflow模塊從 1.0.1 更新到 1.2.1 解決了該問題

Answer 6

在 Windows 中，我嘗試了上面給出的所有解決方案，但沒有奏效。 當我在 spyder 和 R 中使用創建 env 時，它對我有用

conda create -n keras-tf tensorflow keras

在窗口中

library(keras)
library(tensorflow)
use_condaenv("keras-tf", required = T)

在 Python 中

import tensorflow as tf

Answer 7

有時您的 env 和系統沒有任何問題，只是您配置 Tensorflow 和 Keras 的方式導致這些錯誤出現。

以下是我修復我的方法：

{install.packages("tensorflow")
install.packages("keras")
tensorflow::tf_config()
mytf <- tf$compat$v1} 

配置結果顯示以下輸出：

2021-12-09 11:43:39.007746: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found
2021-12-09 11:43:39.007931: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.
TensorFlow v2.6.2 ()
Python v3.7 (C:/Users/myName/AppData/Local/r-miniconda/envs/r-reticulate/python.exe)

然后輸入：

install_keras()

之后你可以測試：

mnist <- keras::dataset_mnist() ; mnist

這會給你一個輸出，如：

$train
$train$x
, , 1

         [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14] [,15] [,16]
    [1,]    0    0    0    0    0    0    0    0    0     0     0     0     0     0     0     0
    [2,]    0    0    0    0    0    0    0    0    0     0     0     0     0     0     0     0
    [3,]    0    0    0    0    0    0    0    0    0     0     0     0     0     0     0     0
    [4,]    0    0    0    0    0    0    0    0    0     0     0     0     0     0     0     0
    [5,]    0    0    0    0    0    0    0    0    0     0     0     0     0     0     0     0
    [6,]    0    0    0    0    0    0    0    0    0     0     0     0     0     0     0     0
    [7,]    0    0    0    0    0    0    0    0    0     0     0     0     0     0     0     0
    [8,]    0    0    0    0    0    0    0    0    0     0     0     0     0     0     0    
....
$train$y
   [1] 5 0 4 1 9 2 1 3 1 4 3 5 3 6 1 7 2 8 6 9 4 0 9 1 1 2 4 3 2 7 3 8 6 9 0 5 6 0 7 6 1 8 7 9 3
  [46] 9 8 5 9 3 3 0 7 4 9 8 0 9 4 1 4 4 6 0 4 5 6 1 0 0 1 7 1 6 3 0 2 1 1 7 9 0 2 6 7 8 3 9 0 4
  [91] 6 7 4 6 8 0 7 8 3 1 5 7 1 7 1 1 6 3 0 2 9 3 1 1 0 4 9 2 0 0 2 0 2 7 1 8 6 4 1 6 3 4 5 9 1
 [136] 3 3 8 5 4 7 7 4 2 8 5 8 6 7 3 4 6 1 9 9 6 0 3 7 2 8 2 9 4 4 6 4 9 7 0 9 2 9 5 1 5 9 1 2 3
 [181] 2 3 5 9 1 7 6 2 8 2 2 5 0 7 4 9 7 8 3 2 1 1 8 3 6 1 0 3 1 0 0 1 7 2 7 3 0 4 6 5 2 6 4 7 1
 [226] 8 9 9 3 0 7 1 0 2 0 3 5 4 6 5 8 6 3 7 5 8 0 9 1 0 3 1 2 2 3 3 6 4 7 5 0 6 2 7 9 8 5 9 2 1
 [271] 1 4 4 5 6 4 1 2 5 3 9 3 9 0 5 9 6 5 7 4 1 3 4 0 4 8 0 4 3 6 8 7 6 0 9 7 5 7 2 1 1 6 8 9 4
 [316] 1 5 2 2 9 0 3 9 6 7 2 0 3 5 4 3 6 5 8 9 5 4 7 4 2 7 3 4 8 9 1 9 2 8 7 9 1 8 7 4 1 3 1 1 0
 [361] 2 3 9 4 9 2 1 6 8 4 7 7 4 4 9 2 5 7 2 4 4 2 1 9 7 2 8 7 6 9 2 2 3 8 1 6 5 1 1 0 2 6 4 5 8
 [406] 3 1 5 1 9 2 7 4 4 4 8 1 5 8 9 5 6 7 9 9 3 7 0 9 0 6 6 2 3 9 0 7 5 4 8 0 9 4 1 2 8 7 1 2 6
 [451] 1 0 3 0 1 1 8 2 0 3 9 4 0 5 0 6 1 7 7 8 1 9 2 0 5 1 2 2 7 3 5 4 9 7 1 8 3 9 6 0 3 1 1 2 6
 [496] 3 5 7 6 8 3 9 5 8 5 7 6 1 1 3 1 7 5 5 5 2 5 8 7 0 9 7 7 5 0 9 0 0 8 9 2 4 8 1 6 1 6 5 1 8
 [541] 3 4 0 5 5 8 3 6 2 3 9 2 1 1 5 2 1 3 2 8 7 3 7 2 4 6 9 7 2 4 2 8 1 1 3 8 4 0 6 5 9 3 0 9 2
 [586] 4 7 1 2 9 4 2 6 1 8 9 0 6 6 7 9 9 8 0 1 4 4 6 7 1 5 7 0 3 5 8 4 7 1 2 5 9 5 6 7 5 9 8 8 3
 [631] 6 9 7 0 7 5 7 1 1 0 7 9 2 3 7 3 2 4 1 6 2 7 5 5 7 4 0 2 6 3 6 4 0 4 2 6 0 0 0 0 3 1 6 2 2
 [676] 3 1 4 1 5 4 6 4 7 2 8 7 9 2 0 5 1 4 2 8 3 2 4 1 5 4 6 0 7 9 8 4 9 8 0 1 1 0 2 2 3 2 4 4 5
 [721] 8 6 5 7 7 8 8 9 7 4 7 3 2 0 8 6 8 6 1 6 8 9 4 0 9 0 4 1 5 4 7 5 3 7 4 9 8 5 8 6 3 8 6 9 9
....
[ reached getOption("max.print") -- omitted 9000 entries ]