Tensorflow 如何将keras模型转换为tpu模型

我正试图将谷歌云控制台中的Keras模型转换为TPU模型。不幸的是，我得到了如下所示的错误。我举的最简单的例子如下：

import keras
from keras.models import Sequential
from keras.layers import Dense, Activation
import tensorflow as tf
import os
model = Sequential()
model.add(Dense(32, input_dim=784))
model.add(Dense(32))
model.add(Activation('relu'))
model.compile(optimizer='rmsprop', loss='mse')
tpu_model = tf.contrib.tpu.keras_to_tpu_model(
    model,
    strategy=tf.contrib.tpu.TPUDistributionStrategy(
         tf.contrib.cluster_resolver.TPUClusterResolver(TPU_WORKER)))

我的输出是：

Using TensorFlow backend.
Traceback (most recent call last):
     File "cloud_python4.py", line 11, in <module>
     tpu_model = tf.contrib.tpu.keras_to_tpu_model(AttributeError: module 'tensorflow.contrib.tpu' has no attribute 'keras_to_tpu_model'

使用TensorFlow后端。
回溯（最近一次呼叫最后一次）：
文件“cloud_python4.py”，第11行，在
tpu_model=tf.contrib.tpu.keras_to_tpu_model（属性错误：模块'tensorflow.contrib.tpu'没有属性'keras_to_tpu_model'

---

keras_to_tpu_模型方法似乎是实验性的，如tensorflow网站上所示。它最近被删除了吗？如果是，我如何继续利用tpu来估计我的keras模型？如果keras_to_tpu_模型方法仍然可用，为什么我不能调用它？

从tensorflow导入keras。 这是因为

tf.contrib.tpu.keras_to_tpu_model（）

”需要tensorflow版本模型，而不是keras版本

---

例如，使用tensorflow.keras.layers中的

，而不是激活

。等等。

我假设您将TPU工作人员定义如下

导入操作系统
TPU工人='grpc://'+os.environ['COLAB\u TPU地址']

不要将模型转换为TPU，而是建立一个分发策略。这是一种将批次分发到八个TPU的方法，以及如何计算每个TPU的损失

resolver=tf.contrib.cluster\u resolver.TPUClusterResolver（TPU工作者）
tf.contrib.distribute.initialize\u\tpu\u系统（解析器）
策略=tf.contrib.distribute.TPUStrategy（解析器）

使用该策略构建并编译您的模型。这对于回归应该非常有效

与strategy.scope（）
模型=顺序（）
模型添加（密集型（32，输入尺寸=784））
模型.添加（密度（32））
添加（激活（'relu'））
compile（优化器='rmsprop'，loss='mse'）

不太有效。我确实按照您的建议用tensorflow.keras版本替换了keras模型。但我仍然收到错误消息“AttributeError:module'tensorflow.contrib.tpu'没有属性'keras_to_tpu_model'。它说该属性在tensorflow参考中是实验性的。有没有解决此问题的方法？您是否尝试更新到最新的tensorflow版本？如果您使用的是pip，您可以执行

pip安装--升级tensorflow