如何修复“ AttributeError：模块'tensorflow'没有属性'get_default_graph'”？

Question

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！

Answer 1

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)

Answer 2

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。

Answer 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'])

Answer 4

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

Answer 5

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

Answer 6

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

Answer 7

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()

Answer 8

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

Answer 9

请尝试使用from tensorflow.keras.models import Sequential代替from keras.models import Sequential

Answer 10

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

Answer 11

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])

Answer 12

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。

Answer 13

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。

Answer 14

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。

Answer 15

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

Answer 16

!pip uninstall tensorflow 
!pip install tensorflow==1.14

这对我有用……在 hrnetv2 上工作……ty

Answer 17

这对我有用。请使用以下导入

from tensorflow.keras.layers import Input

Answer 18

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！