How to fix "AttributeError: module 'tensorflow' has no attribute '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 并且它有效；但我的是最新的，但仍然无法正常工作。我是使用 keras 和机器学习的新手，所以如果这很愚蠢，我深表歉意！

Answer 1

请尝试：

from tensorflow.keras.models import Sequential

而不是

from keras.models import Sequential

Answer 2

原来我使用的是错误的版本 (2.0.0a0)，所以我重置到最新的稳定版本 (1.13.1) 并且可以正常工作。

Answer 3

降级将解决问题，但如果您想使用最新版本，则必须尝试此代码： from tensorflow import keras 和 'from tensorflow.python.keras import backend as k 这对我有用

Answer 4

我也遇到过这种情况。原因是你的tensorflow版本。尝试获取旧版本的 tensorflow。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 5

是的，代码不适用于此版本的 tensorflow tensorflow == 2.0.0。移至 2.0.0 之前的版本会有帮助。

Answer 6

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，请查看 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 7

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 8

我遇到了同样的问题。我试过了

from tensorflow.keras.models import Sequential

和

from keras.models import Sequential

none 其中有效。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。在我卸载 keras 并重新安装 keras 之前没有任何效果：

pip uninstall keras
pip install keras --upgrade

Answer 9

对于 tf 2.1.0，我使用了 tf.compat.v1.get_default_graph() - 例如：

import tensorflow as tf
sess = tf.compat.v1.Session(graph=tf.compat.v1.get_default_graph(), config=session_conf)
tf.compat.v1.keras.backend.set_session(sess)

Answer 10

为了解决这个问题，我使用了下面的代码：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
import numpy

Answer 11

假设引用此线程的人将越来越多地使用 tensorflow 2：

Tensorflow 2 进一步集成了 keras api，因为 keras designed/developed 非常明智。如果您使用的是 tensorflow 2，答案很简单，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'])

这就是你如何改变一个人会使用来自 keras 官方页面的 MNIST 之类的东西，只需替换 tensorflow.keras 而不是 keras 并在 gpu 上运行它；

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，它不会工作，因为您使用的是更新版本的 tensorflow，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，但我使用以下代码修复了它。

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

改为：

from keras.models import Sequential
from keras.layers import Dense
from keras.layers import Dropout

Answer 13

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 14

对于 TensorFlow 2.0，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

Please try to be concise!

First -->

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

Then -->

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'])

and voila!!

Answer 16

由于tensorflow版本的改变而出现:: 替换

tf.get_default_graph()

来自

tf.compat.v1.get_default_graph()

Answer 17

!pip uninstall tensorflow 
!pip install tensorflow==1.14

这对我有用...正在处理 hrnetv2..ty

Answer 18

这对我有用。请使用下面的导入

from tensorflow.keras.layers import Input

Answer 19

要解决 TensorFlow 中的版本问题，最好使用以下技术导入 v1（版本 1 或 TensorFlow 1.x），我们还可以禁用 TensorFlow 2.x 行为。

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

你可以参考the following link查看Tensorflow 1.x和2.x之间的映射

How to fix "AttributeError: module 'tensorflow' has no attribute 'get_default_graph'"?

How to fix "AttributeError: module 'tensorflow' has no attribute 'get_default_graph'"?

python

keras

tensorflow

keras-layer

tf.keras