Python使用keras和tensorflow遇到的问题及解决，

文章由Byrx.net分享于2024-04-11 03:04:14评论（643）

Python使用keras和tensorflow遇到的问题及解决，

脚本文件取名keras报错

keras已经被pip安装好了，但是仍然无法继续使用，尝试添加函数，重新安装keras都没能成功，最后看到一篇文章上写的是脚本命名问题，经过尝试后，解决好了这个问题。

具体报错记录如下：

No module named 'keras.datasets'; 'keras' is not a package

解决办法：

（1）.修改项目脚本中的命名，脚本不能叫keras，否则报错。

（2）.重新下载keras的包

pip install keras tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ --default-timeout=100

使用过程找不到对应包模块

使用pip list 发现对应模块和安装包都在，但是无法调用该模块

思考过是该包缺少什么函数或是缺少什么依赖

后在网上找到说是包的版本过高

兼容性问题导致，因此将该包进行了升级

解决了该包模块无法找到的问题

AttributeError: module 'tensorflow' has no attribute 'get_default_graph'

解决办法：

将包卸载，找keras和tensorflow匹配版本的包，这里我是将keras的包进行了升级解决

tensorflow-gpu安装

之前使用过CPU的tensorflow,这次的目的是使用GPU版本的，并要对tensorflow的可视化进行一个新的展示，完成自己之前在tensorflow的BP和卷积神经网络的验证。

tensorflow的gpu版本安装，我先卸载了cpu的tensorflow，理由是网上说如果不删除，python程序将默认使用cpu的tensorflow进行，在安装过程中尝试了30分钟

最终安装的解决方法如下：

使用安装命令为：

pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/ --default-timeout=100

D:\Python\python_data2_project>pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/ --default-timeout=100

tensorflow和keras的案例运行

下面代码是摘自网络，成功运行如下：

import numpy as np
import os
import tensorflow
from keras.models import Sequential
from keras.layers import Dense
# 随机生成一组数据
data = np.random.random((1000,100))
# 随机生成标签
labels = np.random.randint(2,size=(1000,1))
model = Sequential()
# 添加一层神经网络
model.add(Dense(32,
          activation='relu',
          input_dim=100))
          # 添加激活函数（activate function）
model.add(Dense(1, activation='sigmoid'))
# 构建模型，定义优化器及损失函数
model.compile(optimizer='rmsprop',
              loss='binary_crossentropy',
              metrics=['accuracy'])
              # 模型与数据一键fit
model.fit(data,labels,epochs=10,batch_size=32)
predictions = model.predict(data)

通过上面的损失函数的最终结果，可以看出模型的效果并不是很好。

Tensorflow的GPU设置运行

电脑显卡类型不支持，暂时未进行验证，后续持续验证

https://www.jb51.net/python/318776btb.htm

绘制损失函数

hist=model.fit(data,labels,epochs=10,batch_size=32)
plt.plot(hist.history['accuracy'],label="accuracy")
plt.plot(hist.history['loss'],label="loss")
plt.legend(loc=0, ncol=1)   # 参数：loc设置显示的位置，0是自适应；ncol设置显示的列数
plt.show()

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持3672js教程。

您可能感兴趣的文章:

关于TensorFlow、Keras、Python版本匹配一览表
tensorflow1.15与numpy、keras以及Python兼容版本对照方式
使用Python、TensorFlow和Keras来进行垃圾分类的操作方法
keras tensorflow 实现在python下多进程运行
Python3.7安装keras和TensorFlow的教程图解
win10 + anaconda3 + python3.6 安装tensorflow + keras的步骤详解

热门文章：

Python使用keras和tensorflow遇到的问题及解决，