我正在尝试解决此错误：
dfsEuro = [pd.read_csv("/usr/local/brs/BLK/Markit/tobfm/DXOpen_BuysideAnalytics_EuroEqty_SF_" + xDate[i] + ".tsv",
sep="\t") for i in range(0, len(runDates))]
对于上下文，我在带有 AttributeError: module 'tensorflow.python.keras.api._v2.keras.losses' has no attribute 'sparse_softmax_cross_entropy'
的Windows上使用tensorflow2.0。
我正在尝试对标签为0或1的python3.6数据进行快速分类。
通常的3-axis方法不能给我足够的数据控制权，所以我试图逐步将其放入嵌套循环中。
这是模型：
model.fit()这是我用于拟合的代码：
model = tf.keras.Sequential([
tf.keras.layers.Dense(3),
tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(16)),
tf.keras.layers.Dense(1, activation = 'sigmoid')
])
运行时，出现标题中提到的错误，我猜这是一个 def fit(epochs=1):
global_step = tf.Variable(0)
for epoch in range(epochs):
epoch_loss_avg = tf.metrics.Mean()
epoch_accuracy = tf.metrics.Accuracy()
for data_ in SQdatas:
data = tf.convert_to_tensor(data_)
for dataslice in data:
inputs, label = tf.transpose([[dataslice[1:4]]]), dataslice[4]
loss_value, grads = grad(model, inputs, label)
model.optimizer.apply_gradients(zip(grads, model.trainable_variables), global_step)
epoch_loss_avg(loss_value)
epoch_accuracy(tf.argmax(model(x)), y)
train_loss_results.append(epoch_loss_avg.result())
train_accuracy_results.append(epoch_accuracy.result())
兼容性问题，因为tensorflow2.0应该存在于1.3中。
如果是什么替代品？如果没有，为什么？
谢谢您的宝贵时间。
我看到了所有出现的错误，并指出从tf.losses.sparse_softmax_cross_entropy 1.2升级到1.3可以解决此问题，但这并不适用。我仍然尝试卸载tensorflow，卸载tensorflow2.0并重新安装protobuf，但这没有用。
答案 0 :(得分：0)