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'])
我发现其他人也有类似的问题,他们更新了tensorflow,它可以工作;但是我的是最新的,但仍然无法正常工作。我对使用keras和机器学习并不陌生,因此,如果这很愚蠢,我深表歉意!
答案 0 :(得分:7)
对于tf 2.1.0,我更改为tf.compat.v1.get_default_graph()
import tensorflow as tf
# sess = tf.compat.v1.Session(graph=tf.import_graph_def(), config=session_conf)
sess = tf.compat.v1.Session(graph=tf.compat.v1.get_default_graph(), config=session_conf)
tf.compat.v1.keras.backend.set_session(sess)
答案 1 :(得分:3)
结果是我使用了错误的版本(2.0.0a0),所以我重置为最新的稳定版本(1.13.1),它可以正常工作。
答案 2 :(得分:3)
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,请参阅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'])
答案 3 :(得分:2)
是的,它不起作用,因为您使用的是tensorflow的更新版本,即tensorflow == 2.0,旧版本的tensorflow可能会有所帮助。 我遇到了同样的问题,但是我使用以下代码修复了该问题。
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
相反:
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Dropout
答案 4 :(得分:2)
我有同样的问题。我尝试过
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
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。 在我取消安装keras并重新安装keras之前,什么都没用:
pip uninstall keras
pip install keras --upgrade
答案 5 :(得分:1)
为解决此问题,我使用了以下代码:
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy
答案 6 :(得分:1)
它是由于tensorflow版本的更改而发生的:: 替换
tf.get_default_graph()
作者
tf.compat.v1.get_default_graph()
答案 7 :(得分:1)
将所有keras.something.something
替换为tensorflow.keras.something
,并使用:
import tensorflow as tf
from tensorflow.keras import backend as k
答案 8 :(得分:1)
请尝试使用from tensorflow.keras.models import Sequential
代替from keras.models import Sequential
答案 9 :(得分:1)
使用以下内容:
tf.compat.v1.disable_eager_execution()
print(tf.compat.v1.get_default_graph())
它适用于tensorflow 2.0
答案 10 :(得分:0)
假设人们引用此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。如果您正在使用tensorflow 2,答案很容易,也如here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'])
这就是您要更改的一种方法,将在keras官方页面上使用类似MNIST的内容,只需替换tensorflow.keras
而不是keras
并在gpu上运行它即可。
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])
答案 11 :(得分:0)
是的,此代码不适用于此版本的tensorflow tensorflow == 2.0.0。迁移到2.0.0之前的版本会有所帮助。
答案 12 :(得分:0)
这也发生在我身上。原因是您的tensorflow版本。尝试获取tensorflow的旧版本。另一个问题可能是您的项目中有一个名为tensorflow.py的python脚本。
答案 13 :(得分:0)
对于TensorFlow 2.0,请使用与tensorflow捆绑在一起的keras。
尝试将keras.models
替换为tensorflow.python.keras.models
或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。
答案 14 :(得分:0)
降级将解决此问题,但如果要使用最新版本,则必须尝试以下代码:
from tensorflow import keras
和'from tensorflow.python.keras import backend as k
那对我有用
答案 15 :(得分:0)
!pip uninstall tensorflow
!pip install tensorflow==1.14
这对我有用……在 hrnetv2 上工作……ty
答案 16 :(得分:0)
这对我有用。请使用以下导入
from tensorflow.keras.layers import Input
答案 17 :(得分:-1)
请尽量简洁!
第一个->
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!