模块“tensorflow”没有属性“contrib”

Question

我正在尝试使用 Tensorflow Object-Detection-API 训练我自己的自定义对象检测器

我在我的谷歌计算引擎中使用“pip install tensorflow”安装了 tensorflow。然后我按照这个网站上的所有说明进行操作：https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/training.html

当我尝试使用 train.py 时，我收到以下错误消息：

Traceback（最近一次调用最后一次）： 文件“train.py”，第 49 行，在 从 object_detection.builders 导入 dataset_builder 文件“/usr/local/lib/python3.6/dist-packages/object_detection-0.1->py3.6.egg/object_detection/builders/dataset_builder.py”，第 27 行，在 从 object_detection.data_decoders 导入 tf_example_decoder 文件“/usr/local/lib/python3.6/dist-packages/object_detection-0.1-py3.6.egg/object_detection/data_decoders/tf_example_decoder.py”，第 27 行，在 slim_example_decoder = tf.contrib.slim.tfexample_decoder AttributeError：模块“tensorflow”没有属性“contrib”

当我尝试学习 tensorflow 版本时，我也得到了不同的结果。

python3 -c '将张量流导入为 tf;打印（tf.版本）'：2.0.0-dev20190422

当我使用时

pip3 显示张量流：

名称：张量流 版本：1.13.1 总结：TensorFlow 是一个适合所有人的开源机器学习框架。 主页：https://www.tensorflow.org/ 作者：谷歌公司 作者邮箱：opensource@google.com 许可证：Apache 2.0 位置：/usr/local/lib/python3.6/dist-packages 需要：gast、astor、absl-py、tensorflow-estimator、keras-preprocessing、grpcio、六、keras-applications、wheel、numpy、tensorboard、protobuf、termcolor 要求：

    sudo python3 train.py --logtostderr --train_dir=training/ -- 
    pipeline_config_path=training/ssd_inception_v2_coco.config

我应该怎么做才能解决这个问题？除了这个，我找不到关于这个错误消息的任何信息：tensorflow 'module' object has no attribute 'contrib'

Answer 1

tf.contrib 从 TF 2.0 alpha 开始已移出 TF。
看看这些 tf 2.0 发行说明https://github.com/tensorflow/tensorflow/releases/tag/v2.0.0-alpha0
您可以使用tf_upgrade_v2 脚本将您的 TF 1.x 代码升级到 TF 2.x https://www.tensorflow.org/alpha/guide/upgrade

Answer 2

This issue可能对你有帮助，它解释了如何实现TPUStrategy，这是TFtf.contrib的一个流行功能。

因此，在 TF 1.X 中，您可以执行以下操作：

resolver = tf.contrib.cluster_resolver.TPUClusterResolver('grpc://' + os.environ['COLAB_TPU_ADDR'])
tf.contrib.distribute.initialize_tpu_system(resolver)
strategy = tf.contrib.distribute.TPUStrategy(resolver)

在 TF>2.0 中，tf.contrib 已被弃用，您可以通过以下方式实现相同目的：

tf.config.experimental_connect_to_host('grpc://' + os.environ['COLAB_TPU_ADDR'])
resolver = tf.distribute.cluster_resolver.TPUClusterResolver('grpc://' + os.environ['COLAB_TPU_ADDR'])
tf.tpu.experimental.initialize_tpu_system(resolver)
strategy = tf.distribute.experimental.TPUStrategy(resolver) 

Answer 3

我使用 google colab 运行我的模型，一切都很完美，直到我使用内联 tesorboard。使用 tensorboard inline，我遇到了同样的问题“模块 'tensorflow' 没有属性 'contrib'”。

在初始化张量板后使用 setup.py(research folder) 重建和重新安装模型时能够运行训练。

Answer 4

我使用 tensorflow 1.8 来训练我的模型，目前没有问题。 Tensorflow 2.0 alpha 不适用于对象检测 API

Answer 5

我也在使用 Google Colab。 A comment建议放

%tensorflow_version 1.x

在第一个（代码）单元格中，它起作用了！

Answer 6

如果您想使用 tf.contrib，您现在需要将源代码从 github 复制并粘贴到您的脚本/笔记本中。这很烦人，而且并不总是有效。但这是我发现的唯一解决方法。例如，如果你想使用 tf.contrib.opt.AdamWOptimizer，你必须从这里复制粘贴。 https://github.com/tensorflow/tensorflow/blob/590d6eef7e91a6a7392c8ffffb7b58f2e0c8bc6b/tensorflow/contrib/opt/python/training/weight_decay_optimizers.py#L32

Answer 7

一种简单的方法是，您可以将用 TensorFlow 1.x 编写的代码传递给以下代码，以自动将其升级到 TensorFlow 2.x。

$tf_upgrade_v2 \
--intree my_project/ \
--outtree my_project_v2/ \
--reportfile report.txt

上面的代码会将所有在 2.x 中不推荐使用的命令替换为在 2.x 中实际工作的命令。然后你就可以在 TensorFlow 2.x 中运行你的代码了。

如果它抛出错误并且无法转换完整的代码，请不要惊慌。请打开上述代码生成的“report.txt”文件。在此文件中，您将找到已弃用的命令以及可在 TensorFlow 2.x 中使用的替代命令。

Taadaa，只需将引发错误的命令替换为新命令即可。

例子：

如果 TensorFlow 1.x 中的命令是：

tf.contrib

那么在Tensorflow 2.x中同样的命令是：

tf.compat.v1.estimator

在上面的示例中，将 "tf.contrib" 替换为 "tf.compat.v1.estimator" 应该可以解决问题。

Answer 8

对我来说，它使用最新版本的 tensorflow：pip install tensorflow==2.2.0