Python &引用；无法解释优化器标识符“；Keras中的错误

当我试图在Keras中修改SGD optimizer的学习率参数时，我遇到了这个错误。我是否在代码中遗漏了什么，或者我的Keras安装不正确

这是我的密码：

from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Dense, Flatten, GlobalAveragePooling2D, Activation
import keras
from keras.optimizers import SGD

model = Sequential()
model.add(Dense(64, kernel_initializer='uniform', input_shape=(10,)))
model.add(Activation('softmax'))
model.compile(loss='mean_squared_error', optimizer=SGD(lr=0.01), metrics= ['accuracy'])*

下面是错误消息：

回溯（最近一次调用上次）：文件 “C:\TensorFlow\Keras\ResNet-50\test\u sgd.py”，第10行 编译（loss='mean\u squared\u error'，optimizer=SGD（lr=0.01），metrics=['accurity']）文件 “C:\Users\nsugiant\AppData\Local\Programs\Python\Python35\lib\site packages\tensorflow\Python\keras\u impl\keras\models.py”， 第787行，在编译中 **kwargs）文件“C:\Users\nsugiant\AppData\Local\Programs\Python\Python35\lib\site packages\tensorflow\Python\keras\u impl\keras\engine\training.py”， 第632行，在编译中 self.optimizer=optimizers.get（优化器）文件“C:\Users\nsugant\AppData\Local\Programs\Python\Python35\lib\site packages\tensorflow\Python\keras\u impl\keras\optimizers.py”， 第788行，在get中 raise VALUERROR（'无法解释优化器标识符：'，标识符）VALUERROR:（'无法解释优化器标识符：'， )

---

尝试将导入行更改为

from keras.models import Sequential
from keras.layers import Dense, ...

---

我觉得你的进口产品有点奇怪。也许你可以详细说明一下

我最近遇到了类似的问题

原因是您将tensorflow.python.keras api用于模型和层，将keras.optimizers用于SGD。它们是tensorflow和纯keras的两个不同keras版本。他们不能一起工作。您必须将所有内容更改为一个版本。那么它应该会起作用。：）

希望这对你有所帮助。

给我一点吧

optimizer = 'sgd' / 'RMSprop'

---

我来晚了一点，你的问题是你的代码中混合了Tensorflow keras和keras API。优化器和模型应该来自同一层定义。使用Keras API实现以下所有功能：

from keras.models import Sequential
from keras.layers import Dense, Dropout, LSTM, BatchNormalization
from keras.callbacks import TensorBoard
from keras.callbacks import ModelCheckpoint
from keras.optimizers import adam

# Set Model
model = Sequential()
model.add(LSTM(128, input_shape=(train_x.shape[1:]), return_sequences=True))
model.add(Dropout(0.2))
model.add(BatchNormalization())

# Set Optimizer
opt = adam(lr=0.001, decay=1e-6)

# Compile model
model.compile(
    loss='sparse_categorical_crossentropy',
    optimizer=opt,
    metrics=['accuracy']
)

我在这个例子中使用了亚当。请按照上述代码使用相关优化器

---

希望这有帮助。

运行Keras文档示例 以及安装最新的keras和tensor flow版本

（在撰写本文时 tensorflow 2.0.0a0和Keras版本2.2.4）

我必须显式导入示例所使用的优化程序，特别是示例顶部的行：

opt = tensorflow.keras.optimizers.rmsprop(lr=0.0001, decay=1e-6)

被替换为

from tensorflow.keras.optimizers import RMSprop

opt = RMSprop(lr=0.0001, decay=1e-6)

---

在最新版本中，api“坏了”和keras.stuff在很多情况下变成了tensorflow.keras.stuff。

这个问题主要是由不同版本引起的。tensorflow.keras版本可能与keras版本不同。 从而导致@Priyanka提到的错误

对我来说，每当出现此错误时，我都将优化器的名称作为字符串传递给后端，由后端计算出来。 例如，而不是

tf.keras.optimizers.Adam

或

我知道

对于某些库（例如，

keras_radam

），您需要在导入之前设置环境变量：

import os
os.environ['TF_KERAS'] = '1'

import tensorflow
import your_library

这很有效

自Tensorflow 2.0以来，有一个新的API可通过

Tensorflow

直接获得：

解决方案适用于

tensorflow==2.2.0rc2

，

Keras==2.2.4

（在Win10上）

---

还请注意，上面的版本使用

学习率

作为参数，不再使用

lr

我尝试了以下方法，它对我有效：

来自keras导入优化器

sgd=optimizers.sgd（lr=0.01）

---

compile（loss='mean\u squared\u error'，optimizer=sgd）

在我的例子中，这是因为我遗漏了括号。我使用tensorflow_插件，所以我的代码是

model.compile(optimizer=tfa.optimizers.LAMB, loss='binary_crossentropy',
              metrics=['binary_accuracy'])

它给

ValueError:（“无法解释优化器标识符：”，使用

从tensorflow.keras导入优化器

而不是

tf.keras.optimizers.Adam

来自keras导入优化器

我把括号放错地方了，出现了这个错误

起初是这样

x=Conv2D(filters[0],(3,3),use_bias=False,padding="same",kernel_regularizer=l2(reg),x))

更正的版本是

x=Conv2D(filters[0],(3,3),use_bias=False,padding="same",kernel_regularizer=l2(reg))(x)

我收到了相同的错误消息，并通过替换优化器的分配解决了此问题：

optimizer=keras.optimizers.Adam

使用其实例而不是类本身：

optimizer=keras.optimizers.Adam()

在一个内核中使用一种风格，尽量不要混用

从keras.optimizers导入sth

与

从tensorflow.keras.optimizers导入某个东西
我尝试了这个线程中的所有方法来修复它，但都没有成功。但是，我成功地为自己修复了它。对我来说，问题是调用优化器类，即
tensorflow.keras.optimizers.Adam
导致了错误，但将优化器作为函数调用，即
tensorflow.keras.optimizers.Adam（）
工作正常。因此，我的代码如下所示：

model.compile(
    loss=tensorflow.keras.losses.categorical_crossentropy(),
    optimizer=tensorflow.keras.optimizers.Adam()
)

看看tensorflow github，
欢迎使用Stack Overflow！你能解释一下为什么你认为这会解决问题中提到的问题吗？欢迎使用Stack Overflow！虽然这段代码可能会解决问题，但如何以及为什么这会真正有助于提高你的文章质量，一个d可能会导致更多的赞成票。请记住，你是在为将来的读者回答这个问题，而不仅仅是现在的提问者。请你的回答添加解释，并指出适用的限制和假设。是的，你可以将优化器的字符串名称作为优化器参数的值传递，但使用tf.keras.ooptimizers.Adam函数在您想要调整优化器设置（例如学习速率）时更灵活。只需添加一点，在当前TF版本（2.4.1）中，优化器必须作为函数而不是参数调用。因此确切的代码将是“TF.keras.optimizers.Adam（）那么，我如何用这种语法添加lr呢？我在下面尝试过，但它在model.compile（optimizer='adam'（lr=0.0001）；loss=keras.loss.binary_crossentropy，metrics=['accurity']）中不起作用，你应该给出一个有效的解决方案
optimizer=keras.optimizers.Adam

optimizer=keras.optimizers.Adam()

model.compile(
    loss=tensorflow.keras.losses.categorical_crossentropy(),
    optimizer=tensorflow.keras.optimizers.Adam()
)