AttributeError: module 'tensorflow' has no attribute 'name_scope' with Keras

应该是tensorflow版本兼容问题

把 imports from keras.xxx 改为 tensorflow.keras.xxx

AttributeError: module 'tensorflow' has no attribute 'name_scope' with Keras应该是tensorflow版本兼容问题把 imports fromkeras.xxx改为tensorflow.keras.xxx

参考：https://blog.csdn.net/u014466109/article/details/88877321?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task 事件经过：现在已经是凌晨一点半，从昨天下午开始在 windows 的 anaconda 配置 yolov3 的训练环境，一直出各种问题，很烦。两小时前遇到这个问题： https://blog.csdn.net/u014466109/article/details/88877321?

通过pip3 install keras 成功安装 Keras 后，测试报错 -- AttributeError : module ' tensorflow .python. keras .backend' has no attribute 'get_graph'。网上查了相关资料发现是 TensorFlow 与 Keras 的版本兼容问题。一、首先看一下已安装的 TensorFlow 和 Keras 版本。首先，按住w...

在树莓派中，为python3.7搭建好 tensorflow 2.4的环境之后，跑代码时出现如题的问题首先，打开 tensorflow / keras /utils/_init_.py文件，发现 tensorflow . keras .utils中的函数和类都是从 tensorflow .python. keras 中import过来的之后与windows下 tensorflow 2.7的_init_.py进行对比，windows的如下：在树莓派上按照： from tensorflow .python. keras .prepro.

在 tensorflow 2中是没有这种命名方式的，tf.name_ scope ()这个函数在tf1中存在。我在编写代码时用的就是 tensorflow 1 但是还是会报错，这里改正方法是将： import tensorflow as tf import tensorflow .compat.v1 as tf AttributeError : module ' tensorflow . keras .utils' has no attribute 'multi_gpu_model' 原因：这是由于，高版本的 keras 中已经弃用multi_gpu_model方法，而使用了新的并行方法tf.distribute.MirroredStrategy()，这种并行即支持单机单卡，也支持多机多卡等多种形式的并行。解决方案：在使用 TensorFlow keras 中的如下方法时，报错： ImportError: cannot import name ‘get_config‘ from ‘ tensorflow .python.eager.context‘ from keras .preprocessing.sequence import pad_sequences from keras .preprocessing.sequence import pad_sequences 这个import调用到了…/site-packa

在新配置的Anaconda的environment中安装 tensorflow 时，有时虽然安装成功了，import也能成功，但是一些基本的功能是用不了的。经常报错比如： AttributeError : module ‘ tensorflow ’ has no attribute ‘placeholder’ AttributeError : module ‘ tensorflow ’ has no attr...

placeholder是 TensorFlow 的占位符节点，由placeholder方法创建，其也是一种常量，但是由用户在调用run方法是传递的，也可以将placeholder理解为一种形参。即其不像constant那样直接可以使用，需要用户传递常数值。 x = tf.placeholder(tf.int32, [batch_size, num_steps], name='inpu...