如何修復“AttributeError：模塊‘tensorflow’沒有屬性‘get_default_graph’”？

Question

我正在嘗試運行一些代碼來創建 LSTM model 但出現錯誤：

AttributeError: module 'tensorflow' has no attribute 'get_default_graph'

我的代碼如下：

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'])

我發現其他人也有類似的問題，他們更新了 tensorflow 並且它有效； 但我的是最新的，但仍然無法正常工作。 我是使用 keras 和機器學習的新手，所以如果這很愚蠢，我深表歉意！

Answer 1

請試試：

from tensorflow.keras.models import Sequential

代替

from keras.models import Sequential

Answer 2

對於 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)

Answer 3

對於最新的 tensorflow 2，將上面的代碼替換為下面的代碼，並進行一些更改

有關詳細信息，請查看 keras 文檔： 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'])

Answer 4

我有同樣的問題。 我試過了

from tensorflow.keras.models import Sequential

和

from keras.models import Sequential

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

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

要么

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

我的 tensorflow 版本是 2.1.0； 我的 keras 版本是 2.3.1； 我的 python 版本是 3.6.10。 在我卸載 keras 並重新安裝 keras 之前，什么都不起作用：

pip uninstall keras
pip install keras --upgrade

Answer 5

它是由於 tensorflow 版本的變化而發生的 :: Replace

tf.get_default_graph()

經過

tf.compat.v1.get_default_graph()

Answer 6

結果我使用了錯誤的版本 (2.0.0a0)，所以我重置到最新的穩定版本 (1.13.1) 並且它可以工作。

Answer 7

更換所有keras.something.something與tensorflow.keras.something和使用：

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

Answer 8

降級將解決問題，但如果您想使用最新版本，則必須嘗試以下代碼： from tensorflow import keras和 ' from tensorflow.python.keras import backend as k這對我from tensorflow.python.keras import backend as k

Answer 9

使用以下內容：

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

它適用於 tensorflow 2.0

Answer 10

為了解決這個問題，我使用了下面的代碼：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy

Answer 11

是的，它不起作用，因為您使用的是 tensorflow 的更新版本，即 tensorflow == 2.0 ，舊版本的 tensorflow 可能會有所幫助。 我遇到了同樣的問題，但我使用以下代碼修復了它。

嘗試：

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

Answer 12

Keras集成到TensorFlow 2.0中

下面的文章為我解決了這一問題。 關鍵點是：

1. Keras包含在TensorFlow 2.0軟件包中
2. 因此，無需在您的環境中安裝獨立的Keras軟件包
3. 現在，前面提到的使用“ from tensorflow.keras ...”的解決方案才有意義。

認識到並做出更改后，我的代碼示例在此處和此處進行了一些小的更改。

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

Answer 13

這也發生在我身上。 原因是你的 tensorflow 版本。 嘗試獲取舊版本的 tensorflow。 另一個問題可能是您的項目中有一個名為 tensorflow.py 的 python 腳本。

Answer 14

是的，該代碼不適用於此版本的 tensorflow tensorflow == 2.0.0 。 遷移到 2.0.0 之前的版本會有所幫助。

Answer 15

假設人們參考此線程將使用越來越多的 tensorflow 2：

Tensorflow 2 進一步集成了 keras api，因為 keras 的設計/開發非常明智。 答案是如果你正在使用tensorflow 2非常容易，也說明這里：

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'])

這就是你如何改變一個人會使用來自keras官方頁面的MNIST之類的東西，只需替換tensorflow.keras而不是keras並在gpu上運行它；

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])

Answer 16

對於 TensorFlow 2.0，請使用與 tensorflow 捆綁的 keras。

嘗試更換keras.models與tensorflow.python.keras.models或tensorflow.keras.models ：

from tensorflow.python.keras.models import Sequential

from tensorflow.python.keras.layers.core import Dense, Activation

這應該可以解決問題。

Answer 17

!pip uninstall tensorflow 
!pip install tensorflow==1.14

這對我有用……在 hrnetv2 上工作……ty

Answer 18

這對我有用。 請使用以下導入

from tensorflow.keras.layers import Input

Answer 19

要解決 TensorFlow 中的版本問題，最好使用以下技術導入 v1（版本 1 或 TensorFlow 1.x），我們還可以禁用 TensorFlow 2.x 行為。

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

可以參考以下鏈接查看Tensorflow 1.x和2.x的映射關系

Answer 20

請盡量簡潔！

首先-->

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！！