Python 使用带有Tensorflow后端的Keras记录梯度误差
我尝试在Nvidia GPU上使用Keras和Tensorflow来训练卷积神经网络。我尝试过使用代码和数据来实现没有锁的非常简单的模型。我尝试定义的每个网络都会给我相同的错误: 文件“”,第2行,在 添加(密集型(12,输入尺寸=5,内核初始化器='normal',激活='relu'))> 文件“build/bdist.linux-x86_64/egg/keras/models.py”,第463行,添加 名称=layer.name+“\u输入”) 文件“build/bdist.linux-x86_64/egg/keras/engine/topology.py”,第1457行,输入 输入(张量=张量) 文件“build/bdist.linux-x86_64/egg/keras/legacy/interfaces.py”,第91行,在包装器中 返回函数(*args,**kwargs) 文件“build/bdist.linux-x86_64/egg/keras/engine/topology.py”,第1366行,位于init name=self.name) 占位符中第507行的文件“build/bdist.linux-x86_64/egg/keras/backend/tensorflow_backend.py” 占位符(数据类型,形状=形状,名称=名称) 占位符中的文件“/home/smalldave/.local/lib/python2.7/site packages/tensorflow/python/ops/array_ops.py”,第1734行 返回gen_数组操作占位符(dtype=dtype,shape=shape,name=name) 占位符中第4929行的文件“/home/smalldave/.local/lib/python2.7/site packages/tensorflow/python/ops/gen_array_ops.py” “占位符”、\u输入\u平面、\u属性、\u结果、名称) 文件“/home/smalldave/.local/lib/python2.7/site packages/tensorflow/python/eager/backprop.py”,第162行,在记录中 返回pywrap\u tensorflow.TFE\u Py\u RecordGradient(操作名称、输入、属性、 AttributeError:“非类型”对象没有属性“TFE\u Py\u RecordGradient” 有人知道这个错误的来源吗 以下是我试图定义的网络示例:Python 使用带有Tensorflow后端的Keras记录梯度误差,python,tensorflow,keras,gpu,Python,Tensorflow,Keras,Gpu,我尝试在Nvidia GPU上使用Keras和Tensorflow来训练卷积神经网络。我尝试过使用代码和数据来实现没有锁的非常简单的模型。我尝试定义的每个网络都会给我相同的错误: 文件“”,第2行,在 添加(密集型(12,输入尺寸=5,内核初始化器='normal',激活='relu'))> 文件“build/bdist.linux-x86_64/egg/keras/models.py”,第463行,添加 名称=layer.name+“\u输入”) 文件“build/bdist.linux-x8
model = Sequential()
model.add(Dense(12, input_dim=5, kernel_initializer='normal', activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(1, activation='linear'))
model.summary()
非常感谢。从stacktrace中,我推测您正在使用而不是,它与TensorFlow安装一起打包
tf.keras
实现了keras.io中定义的API规范,但添加了额外的TensorFlow特定功能,例如支持即时执行
所以,我想你所需要做的就是改变,比如:
from keras.models import Sequential
from keras.layers import Dense
致:
希望有帮助
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense