无法设置属性。名称为“keras_version”的组存在答案

【问题标题】：Cannot set attribute. Group with name "keras_version" exists无法设置属性。名称为“keras_version”的组存在
【发布时间】：2023-04-01 13:17:01
【问题描述】：

我已经更新了 keras 中的示例程序 cifar10_resnet 处理 cifar 100 而不是 cifar 10 数据集。我只能在第一个时代运行代码。当我尝试保存模型时，程序因以下错误而中断 -

'KeyError: 'Cannot set attribute. Group with name "keras_version" exists.'

我的笔记本电脑中有 python 3.5.2、tensorflow gpu 版本 1.10.1。

【问题讨论】：

标签： python tensorflow keras deep-learning

【解决方案1】：

似乎是最新的 keras 版本 2.2.3 中的一个错误，请参阅https://github.com/keras-team/keras/issues/11276

我想它很快就会修复，但同时恢复到 keras 版本 2.2.2 似乎可行。

编辑：应在 keras 版本 2.2.4 中修复，另请参阅 https://github.com/keras-team/keras/issues/11276

【讨论】：

【解决方案2】：

我也遇到了同样的问题（但是在 R-Studio 中使用 Keras，无论是 tf 1.8、tf 1.11 还是 tf 1.12；都在 CPU 和 ubuntu 16.04 LTS (INTEL) 上）。尚未找到通用解决方案，但为了进一步本地化，以下结果可能会有所帮助：

从回调列表中删除 callback_model_checkpoint(filepath="myModel.h5", save_best_only=TRUE) 可以避免错误：

 history <- model %>% fit(
     ...<OTHER OPTIONS>...,
    callbacks = list(callback_early_stopping(patience=patience)  
                    # , callback_model_checkpoint(filepath="myModel.h5", save_best_only=TRUE)
                    )
 )

对不起，不可重现的代码，但也许它给出了一个提示。

【讨论】：

【解决方案3】：

我现在遇到了同样的问题。我无法完全激励为什么，但我相信它与Tensorflow和Keras之间的一些版本兼容性问题有关。刚刚改变导入删除了我的问题。

以下代码让我运行模型时出现错误（并且它到达第二个时代）

import os.path as op
import pandas as pd
import numpy as np
import tensorflow as tf
from keras.callbacks import ModelCheckpoint, TensorBoard
from keras.models import Sequential
from keras.layers import LSTM, Activation, Dense
from keras.utils.np_utils import to_categorical
import matplotlib.pyplot as plt

但如果我将它更改为

import os.path as op
import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow.keras.callbacks import ModelCheckpoint, TensorBoard
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Activation, Dense
from keras.utils.np_utils import to_categorical
import matplotlib.pyplot as plt

它按预期工作。我会假设我通过PIP安装的Keras版本（@ 987654323）与我安装的Tensorflow版本不兼容（tensorflow-gpu==1.10.0）。使用与tensorflow捆绑在一起的keras功能（tensorflow.keras）在我的情况下解决了它。

【讨论】：