如何修复“AttributeError：模块'tensorflow'没有属性'get_default_graph'”？答案

【问题标题】：How to fix "AttributeError: module 'tensorflow' has no attribute 'get_default_graph'"?如何修复“AttributeError：模块'tensorflow'没有属性'get_default_graph'”？
【发布时间】：2019-08-25 01:11:22
【问题描述】：

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'])

我发现其他人有类似的问题，他们更新了 tensorflow 并且可以正常工作；但我的是最新的，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！

【问题讨论】：

标签： python tensorflow keras keras-layer tf.keras

【解决方案1】：

请尝试：

from tensorflow.keras.models import Sequential

而不是

from keras.models import Sequential

【讨论】：

【解决方案2】：

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)

【讨论】：

【解决方案3】：

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'])

【讨论】：

【解决方案4】：

由于tensorflow版本的变化而发生:: 替换

tf.get_default_graph()

通过

tf.compat.v1.get_default_graph()

【讨论】：

【解决方案5】：

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

它们都不起作用。于是我更新了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

【讨论】：

【解决方案6】：

原来我使用了错误的版本（2.0.0a0），所以我重置为最新的稳定版本（1.13.1）并且它可以工作。

【讨论】：

这不是解决方案，您回到了早期版本的 keras 并使用了该版本的实现。 @irezwi 的答案是使用 tf 2.0
只是补充一点解释：TensorFlow 2.0 内置了 Keras；无需将 Keras 单独加载到您的环境中；只需按照@irezwi 所示更改导入语句即可。

【解决方案7】：

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

【讨论】：

【解决方案8】：

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

【讨论】：

【解决方案9】：

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

【讨论】：

【解决方案10】：

是的，因为您使用的是 tensorflow 的更新版本，即 tensorflow == 2.0 ，所以它不起作用，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

【讨论】：

【解决方案11】：

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

【讨论】：

您好，欢迎来到 Stackoverflow，感谢您的回复！请添加您认为可能导致错误的原因以及解决方案背后的想法，以便其他人可以理解基本概念并在类似情况下找到解决方案！也请使用格式化选项，例如使鳕鱼示例脱颖而出！您可以使用编辑区域顶部的图标以及标记 - 单击编辑区域右上角的帮助图标可获得文档。

【解决方案12】：

这对我有用。请使用以下导入

from tensorflow.keras.layers import Input

【讨论】：

【解决方案13】：

这也发生在我身上。原因是你的 tensorflow 版本。尝试获取旧版本的 tensorflow。另一个问题可能是你的项目中有一个名为 tensorflow.py 的 python 脚本。

【讨论】：

如何降级？

【解决方案14】：

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

【讨论】：

【解决方案15】：

假设引用此线程的人将使用越来越多的 tensorflow 2：

Tensorflow 2 进一步集成了 keras api，因为 keras 的设计/开发非常明智。如果您使用的是 tensorflow 2，答案非常简单，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'])

这就是你改变的方式，你可以使用 keras 官方页面中的 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])

【讨论】：

【解决方案16】：

对于 TensorFlow 2.0，使用与 tensorflow 捆绑的 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。

【讨论】：

【解决方案17】：

!pip uninstall tensorflow 
!pip install tensorflow==1.14

这对我有用...在 hrnetv2 上工作.. ty

【讨论】：

【解决方案18】：

请尽量简洁！

第一 -->

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

那么 -->

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'])

瞧！！

【讨论】：

欢迎来到 Stack Overflow！请确保您的解决方案尚未在 this one 等其他答案中提出。