Question

在执行以下代码时，出现上述错误。我正在尝试在有关tensorflow神经网络实现的以下教程中解决这个问题。 https://www.datacamp.com/community/tutorials/tensorflow-tutorial

def load_data(data_directory):
directories = [d for d in os.listdir(data_directory) 
               if os.path.isdir(os.path.join(data_directory, d))]
labels = []
images = []
for d in directories:
    label_directory = os.path.join(data_directory, d)
    file_names = [os.path.join(label_directory, f) 
                  for f in os.listdir(label_directory) 
                  if f.endswith(".ppm")]
    for f in file_names:
        images.append(skimage.data.imread(f))
        labels.append(int(d))
return images, labels

import os
import skimage
from skimage import transform
from skimage.color import rgb2gray
import numpy as np
import keras
from keras import layers
from keras.layers import Dense
ROOT_PATH = "C://Users//Jay//AppData//Local//Programs//Python//Python37//Scriptcodes//BelgianSignals"
train_data_directory = os.path.join(ROOT_PATH, "Training")
test_data_directory = os.path.join(ROOT_PATH, "Testing")

images, labels = load_data(train_data_directory)


# Print the `labels` dimensions
print(np.array(labels))

# Print the number of `labels`'s elements
print(np.array(labels).size)

# Count the number of labels
print(len(set(np.array(labels))))

# Print the `images` dimensions
print(np.array(images))

# Print the number of `images`'s elements
print(np.array(images).size)

# Print the first instance of `images`
np.array(images)[0]

images28 = [transform.resize(image, (28, 28)) for image in images]

images28 = np.array(images28)

images28 = rgb2gray(images28)

# Import `tensorflow` 
import tensorflow as tf 

# Initialize placeholders 
x = tf.placeholder(dtype = tf.float32, shape = [None, 28, 28])
y = tf.placeholder(dtype = tf.int32, shape = [None])

# Flatten the input data
images_flat = tf.keras.layers.flatten(x)

# Fully connected layer 
logits = tf.contrib.layers.dense(images_flat, 62, tf.nn.relu)

# Define a loss function
loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(labels = y, 
                                                                    logits = logits))
# Define an optimizer 
train_op = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss)

# Convert logits to label indexes
correct_pred = tf.argmax(logits, 1)

# Define an accuracy metric
accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))

首先，我在本教程中使用了tf.layers.flatten（x）。但是，它将在以后的版本中贬值。因此，请按照建议添加keras。

我在IDLE控制台中得到以下输出。

重新启动：C：\ Users \ Jay \ AppData \ Local \ Programs \ Python \ Python37 \ Scriptcodes \ SecondTensorFlow.py 使用TensorFlow后端。

警告（来自警告模块）：文件“ C：\ Users \ Jay \ AppData \ Local \ Programs \ Python \ Python37 \ lib \ site-packages \ skimage \ transform_warps.py”，第105行 warn（“默认模式，'constant'，在下面将被更改为'reflect' UserWarning：在skimage 0.15中，默认模式“恒定”将更改为“反射”。

警告（来自警告模块）：文件“ C：\ Users \ Jay \ AppData \ Local \ Programs \ Python \ Python37 \ lib \ site-packages \ skimage \ transform_warps.py”，第110行 warn（“默认情况下，在skimage 0.15中将启用抗锯齿为” UserWarning：默认情况下，在skimage 0.15中将启用抗锯齿功能，以避免在对图像进行下采样时产生锯齿失真。

回溯（最近通话最近）：

中的文件“ C：\ Users \ Jay \ AppData \ Local \ Programs \ Python \ Python37 \ Scriptcodes \ SecondTensorFlow.py”，第64行

images_flat = tf.python.keras.layers.flatten（x）

AttributeError：模块'tensorflow'没有属性'python'

我正在使用， Keras版本2.2.4 Tensorflow版本1.13.1

Answer 1

任何一个

from keras.layers import Flatten

并使用

Flatten()(input)

或

只需使用

tf.keras.layers.Flatten()(input)

Answer 2

新的方法（“作为默认API的keras”）将使您使用keras层tf.keras.layers.Flatten，但是您似乎错过了一些细微差别（并且注释中未提及）

tf.keras.layers.Flatten()实际上会返回一个keras层（可调用）对象，而该对象又需要与上一个层一起调用。

所以更像这样：

# Flatten the input data
flatten_layer = tf.keras.layers.Flatten()
images_flat = flatten_layer(x)

或者，为简便起见，只是：

# Flatten the input data
images_flat = tf.keras.layers.Flatten()(x)

tensorflow keras：我收到此错误“模块“ tensorflow._api.v1.keras.layers”没有属性“ flatten””

2 个答案: