试图让 tensorflow 工作的错误

Question

所以，我正在做一个关于 keras 和 tensorflow 基础知识的 LinkedIn 学习课程，因为我对学习这些技术非常感兴趣。然而，设置 TensorFlow 可能是我做过的最痛苦的事情之一。

我在 mac OS 上运行带有 python 3.7 的 Conda 环境只是为了透视。

尝试运行以下代码时；

import pandas as pd
from keras.models import Sequential
from keras.layers import *

training_data_df = pd.read_csv("sales_data_training_scaled.csv")

X = training_data_df.drop('total_earnings', axis=1).values
Y = training_data_df[['total_earnings']].values

# Define the model
model = Sequential()
model.add(Dense(50, input_dim=9, activation='relu'))
model.add(Dense(100, activation='relu'))
model.add(Dense(50, activation='relu'))
model.add(Dense(1, activation='linear'))
model.compile(loss="mean_squared_error", optimizer="adam")

我收到以下错误消息。

ModuleNotFoundError: 没有名为“tensorflow.contrib”的模块

我尝试了很多不同的方法，例如导入 tensorflow.compat.v1 和禁用 v2，但这似乎只会让事情变得更糟。我被卡住了，如果有人可以提供帮助，将不胜感激。

我正在使用 tensorflow 2.0.0 和 keras 2.0.6

将我的导入语句切换到

import pandas as pd
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import *

我不再收到 ModuleNotFound 错误，但是我收到了这个：

Python 3.7.7（默认，2020 年 5 月 6 日，04:59:01） [Clang 4.0.1 (tags/RELEASE_401/final)] 关于达尔文 runfile('/Users/shaneschipper/Desktop/Code/Machine Learning Projects/Ex_Files_Building_Deep_Learning_Apps/Exercise Files/03/create_model final.py', wdir='/Users/shaneschipper/Desktop/Code/Machine Learning Projects/Ex_Files_Building_Deep_Learning_Apps/Exercise Files/ 03') 2020-07-14 09:52:37.558165: I tensorflow/core/platform/cpu_feature_guard.cc:145] 此 TensorFlow 二进制文件使用 Intel(R) MKL-DNN 进行了优化，可在性能关键操作中使用以下 CPU 指令：SSE4。 1 SSE4.2 AVX AVX2 FMA 要在非 MKL-DNN 操作中启用它们，请使用适当的编译器标志重建 TensorFlow。 2020-07-14 09:52:37.558405: I tensorflow/core/common_runtime/process_util.cc:115] 使用默认互操作设置创建新线程池：8. 使用 inter_op_parallelism_threads 进行调整以获得最佳性能。

我不太确定这意味着什么，它可能只是一个警告标志并且可以正常工作，但我不知道。

Answer 1

正如M Z的评论中提到的，你安装的tensorflow和keras模块可能不兼容。为了避免这种情况，我总是使用 tensorflow 模块中的 keras 版本。尝试将您的导入更改为以下内容：

import pandas as pd
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import *

如果这不能解决您的问题，发布您已安装的 tensorflow 和 keras 版本将帮助其他人帮助您进行进一步的故障排除。

编辑：进行更改后，这是一个好迹象，表明您不再收到错误。我不确定您现在收到的消息的含义，但是 tensorflow 在首次导入时往往会根据您使用的架构提供一些信息。

您发布的代码仅定义和遵守模型。您的下一步可能应该是使模型适合您的训练数据。然后，您可以在测试数据集上测试模型，看看结果是否符合您的预期。