Легко столкнуться с проблемой пакета для запуска первой модели машинного обучения. Когда вы играете с tensorflow и keras, согласованность версий является критическим моментом для определения того, насколько успешно работает Jupyter Notebook.

Во время запуска моей первой модели LSTM я обнаружил некоторые ошибки в пакете tensorflow и keras. Причина, по которой это произошло, заключается в том, что совместимость между tensorflow и keras не совпадает.

Вот список их версий:

Спасибо за следующие два веб-сайта предоставить полный список версий.



Тензорный поток | TF与Keras版本对应_小鱼干的博客-CSDN博客_keras版本
在写代码的时候，由于各种原因，tensforlow要换个版本，keras要换个，最后导致 Список доступных сред P.S…blog.csdn.net



https://mckayward.github.io/floyd-docs/guides/environments/#help-make-this-document-better

Когда вы исправите проблему с версией пакета, возникнет ошибка некоторых атрибутов. Согласно карьерной карме

Python AttributeError возникает, когда вы пытаетесь вызвать атрибут объекта, тип которого не поддерживает этот метод.

Вот пример:

Вы можете увидеть больше примеров от geeksforgeeks, чтобы понять больше.

Чтобы решить эту проблему, вы можете изменить его в файлах пакета.

Случай 1: AttributeError: модуль «tensorflow» не имеет атрибута «get_default_graph».

  1. Перейдите по следующему пути на локальном компьютере (AppData\Roaming\Python\Python36\site-packages\keras\backend\tensorflow_backend.py)

2. Комментарий импортировать тензорный поток как tf

3. Замените на import tensorflow.compat.v1 as tf, как показано ниже:

Случай 2: AttributeError: модуль «tensorflow_core._api.v2.train» не имеет атрибута «Оптимизатор».

  1. Перейдите по следующему пути на локальном компьютере (~\AppData\Roaming\Python\Python36\site-packages\keras\optimizers.py)

2. Комментарий if isinstance(identifier, tf.train.Optimizer):

3. Замените на if isinstance(identifier, tf.optimizers.Optimizer):, как показано ниже:

Иногда могут возникать ошибки во время выполнения.

Вот несколько примеров для устранения этого типа ошибок:

RuntimeError: tf.placeholder() is not compatible with eager execution.
  1. Перейдите по следующему пути на локальном компьютере (AppData\Roaming\Python\Python36\site-packages\keras\backend\tensorflow_backend.py)
  2. Добавьте tf.compat.v1.disable_eager_execution() в часть пакета импорта

После исправления этих ошибок все работает! Я надеюсь, что это решение поможет вам решить проблему.