Python 属性错误：'；顺序'；对象没有属性'_获取分销策略&x27；

我正在通过linkedin学习一门在线课程，通过Keras重新评价模型的构建

这是我的代码。（这声称有效）

将熊猫作为pd导入
进口干酪
从keras.models导入顺序
从keras.layers导入*
培训\u数据\u df=pd.read\u csv（“销售\u数据\u培训\u scaled.csv”）
X=培训数据下降（“总收入”，轴=1）。值
Y=培训数据df['总收入]].值
#定义模型
模型=顺序（）
添加（密度（50，输入尺寸=9，激活='relu'，名称='layer_1'））
model.add（密集型（100，activation='relu'，name='layer_2'））
添加模型（密度（50，激活='relu'，名称='layer_3'））
model.add（密集（1，activation='linear'，name='output\u layer'））
compile（loss='mean\u squared\u error'，optimizer='adam'）
#创建一个张力板记录器
记录器=keras.callbacks.TensorBoard(
log_dir='logs'，
write_graph=True，
直方图_freq=5
)
#训练模型
模型拟合(
X,，
Y
纪元=50，
洗牌=正确，
详细=2，
回调=[logger]
)
#加载单独的测试数据集
测试数据df=pd.read\U csv（“销售数据测试缩放.csv”）
X_测试=测试数据下降（'总收入'，轴=1）。值
Y_test=测试数据_df['总收入]].值
测试错误率=model.evaluate（X\u测试，Y\u测试，verbose=0）
打印（“测试数据集的均方误差（MSE）为：{}”。格式（测试误差率））

执行以下代码时，我遇到以下错误。

使用TensorFlow后端。
2020-01-16 13:58:14.024374:I tensorflow/core/platform/cpu\u feature\u guard.cc:142]您的cpu支持该tensorflow二进制文件未编译为使用的指令：AVX2 FMA
20201-01-16:13:58: 14.037202：I TysFult/Cys/XLA/Service / Service .CC：168）XLA服务0x7FC47 B436390为平台主机初始化（这不能保证XLA将被使用）。设备：
2020-01-16 13:58:14.037211:I tensorflow/compiler/xla/service/service.cc:176]StreamExecutor设备（0）：主机，默认版本
回溯（最近一次呼叫最后一次）：
文件“/Users/himsaragallage/Documents/Building_Deep_Learning_apps/06/model_logging final.py”，第35行，在
回调=[logger]
文件“/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/keras/engine/training.py”，第1239行，适合
验证频率=验证频率）
文件“/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/keras/engine/training_arrays.py”，第119行，在fit_循环中
callbacks.set\u模型（callback\u模型）
set_模型中的文件“/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/keras/callbacks/callbacks.py”，第68行
callback.set_model（model）
文件“/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/keras/callbacks/tensorboard_v2.py”，第116行，在set_模型中
超级（张力板，自我）。集合_模型（模型）
set_模型中的文件“/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site packages/tensorflow_core/Python/keras/callbacks.py”，第1532行
self.log_dir，self.model._get_distribution_strategy（））35; pylint:disable=受保护的访问
AttributeError:“Sequential”对象没有属性“\u get\u distribution\u strategy”
进程已完成，退出代码为1

当我尝试调试时

我发现这个错误是因为我试图使用

tensorboard记录器

。更准确地说。当我添加

回调=[logger]

时。如果没有那行代码，程序运行时不会出现任何错误。但张力板不会被使用

请向我推荐一种方法，在这种方法中，我可以成功地运行上述python脚本来消除错误。

您可能会发现post非常有用

因此，不是从keras进口（即）

从tensorflow导入：

from tensorflow.keras.models import Sequential

这当然也适用于大多数其他进口产品

---

这只是一个幸运的猜测，因为我无法运行您的代码，但希望它能有所帮助

希望您指的是这个

甚至我在使用Tensorflow 2.1版时也遇到了同样的错误。但是，在对

Tensorflow版本降级后，只要对代码稍加修改，我就可以调用
Tensorboard

工作代码如下所示：

import pandas as pd
import keras
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.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', name='layer_1'))
model.add(Dense(100, activation='relu', name='layer_2'))
model.add(Dense(50, activation='relu', name='layer_3'))
model.add(Dense(1, activation='linear', name='output_layer'))
model.compile(loss='mean_squared_error', optimizer='adam')

# Create a TensorBoard logger
logger = tf.keras.callbacks.TensorBoard(
    log_dir='logs',
    write_graph=True,
    histogram_freq=5
)

# Train the model
model.fit(
    X,
    Y,
    epochs=50,
    shuffle=True,
    verbose=2,
    callbacks=[logger]
)

# Load the separate test data set
test_data_df = pd.read_csv("sales_data_test_scaled.csv")

X_test = test_data_df.drop('total_earnings', axis=1).values
Y_test = test_data_df[['total_earnings']].values

test_error_rate = model.evaluate(X_test, Y_test, verbose=0)
print("The mean squared error (MSE) for the test data set is: {}".format(test_error_rate))

您的python环境似乎混合了来自
keras
和
tensorflow.keras
的导入。试着像这样使用顺序模块：

model = tensorflow.keras.Sequential()

我建议不要混合使用
keras
和
tf.keras
。这些是不同的项目，因为
keras
是原始的多后端项目，
tf。keras
是集成到tensorflow中的版本。Keras将停止支持tensorflow以外的其他后端，因此建议切换到它。检查

一种简单的方法是从tensorflow导入keras：

import tensorflow as tf
import tensorflow.keras as keras
#import keras
import keras.backend as K
from keras.models import Model, Sequential, load_model
from keras.layers import Dense, Embedding, Dropout, Input, Concatenate

print("Python: "+str(sys.version))
print("Tensorflow version: "+tf.__version__)
print("Keras version: "+keras.__version__)

import tensorflow as tf
import tensorflow.keras as keras
#import keras
import keras.backend as K
from keras.models import Model, Sequential, load_model
from keras.layers import Dense, Embedding, Dropout, Input, Concatenate

print("Python: "+str(sys.version))
print("Tensorflow version: "+tf.__version__)
print("Keras version: "+keras.__version__)

Python: 3.6.9 (default, Nov  7 2019, 10:44:02) 
[GCC 8.3.0]
Tensorflow version: 2.1.0
Keras version: 2.2.4-tf