Python 为什么谷歌Colab会给出一个“答案”；“未知设备”；尝试转换Keras MLP时出错？

我正在尝试使用TPU在google colab上训练一个简单的MLP模型。 但是，当我尝试使用

从tensorflow.keras.models导入
从tensorflow.keras.layers导入稠密
从keras.constraints导入非负
模型=顺序（）
添加（密集（57，输入_形状=（57，））
add（稠密（60，kernel_constraint=NonNeg（），activation=“relu”））
add（稠密（100，kernel_constraint=NonNeg（），activation=“relu”））
add（稠密（50，kernel_constraint=NonNeg（），activation=“relu”））
添加（密集（3，activation=“linear”））
compile（优化器='adam'，loss='mse'）
TPU工人='grpc://'+os.environ['COLAB\u TPU地址']
tpu_模型=tf.contrib.tpu.keras_到tpu模型(
模型
策略=tf.contrib.tpu.tpuditribution策略(
tf.contrib.cluster_resolver.TPUClusterResolver（TPU_WORKER）））

给出错误

invalidargumeinterror:/job:localhost/replica:0/task:0/device:TPU\u SYSTEM:0未知设备。

这对我来说没有意义，因为我直接从google教程中复制了模型转换代码。当我运行测试代码时：

导入操作系统
导入pprint
导入tensorflow作为tf
如果“COLAB\u TPU\u ADDR”不在os.environ中：
打印（'错误：未连接到TPU运行时；有关说明，请参阅此笔记本中的第一个单元格！'）
其他：
tpu地址='grpc://'+os.environ['COLAB\U tpu地址']
打印（'TPU地址为'，TPU地址）
以tf.Session（tpu_地址）作为会话：
设备=会话。列出设备（）
打印（'TPU设备：'）
pprint.pprint（设备）

我得到了预期的结果：

TPU address is grpc://10.0.203.10:8470
TPU devices:
[_DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:CPU:0, CPU, -1, 1941375595625340814),
 _DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:XLA_CPU:0, XLA_CPU, 17179869184, 9079881000847066378),
 _DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU:0, TPU, 17179869184, 6922694346479333534),
 _DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU:1, TPU, 17179869184, 14324637633413341896),
 _DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU:2, TPU, 17179869184, 3528106575831937158),
 _DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU:3, TPU, 17179869184, 13852141601322651612),
 _DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU:4, TPU, 17179869184, 10344791506504172772),
 _DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU:5, TPU, 17179869184, 16666353711371098164),
 _DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU:6, TPU, 17179869184, 3428083526573573796),
 _DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU:7, TPU, 17179869184, 8632908473312514763),
 _DeviceAttributes(/job:tpu_worker/replica:0/task:0/device:TPU_SYSTEM:0, TPU_SYSTEM, 17179869184, 9715206562754100387)]

---

既然这样做有效，我不明白为什么模型转换不起作用。

如果启用了“急切执行”，您可能需要关闭它。

---

对我来说，如果没有

tf，它似乎运行得很好。在代码的开头启用渴望执行（）

。

您使用的是哪个版本的tensorflow？这对我使用tensorflow 1.13.1很有效。我之前启用了急切执行，所以我重新启动了内核，确保禁用了急切执行，并且一切正常！