Python使用keras和tensorflow遇到的问题及解决

2024-04-18 0 120
目录
  • 脚本文件取名keras报错
  • 使用过程找不到对应包模块
  • tensorflow-gpu安装
  • tensorflow和keras的案例运行
  • Tensorflow的GPU设置运行
  • 绘制损失函数
  • 总结

脚本文件取名keras报错

keras已经被pip安装好了,但是仍然无法继续使用,尝试添加函数, 重新安装keras都没能成功,最后看到一篇文章上写的是脚本命名问题,经过尝试后,解决好了这个问题。

具体报错记录如下:

No module named 'keras.datasets'; 'keras' is not a package

解决办法:

(1).修改项目脚本中的命名,脚本不能叫keras,否则报错。

(2).重新下载keras的包

pip install keras tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ –default-timeout=100

使用过程找不到对应包模块

使用pip list 发现对应模块和安装包都在,但是无法调用该模块

思考过是该包缺少什么函数或是缺少什么依赖

后在网上找到说是包的版本过高

兼容性问题导致,因此将该包进行了升级

解决了该包模块无法找到的问题

AttributeError: module 'tensorflow' has no attribute 'get_default_graph'

解决办法:

将包卸载,找keras和tensorflow匹配版本的包,这里我是将keras的包进行了升级解决

tensorflow-gpu安装

之前使用过CPU的tensorflow,这次的目的是使用GPU版本的,并要对tensorflow的可视化进行一个新的展示,完成自己之前在tensorflow的BP和卷积神经网络的验证。

tensorflow的gpu版本安装,我先卸载了cpu的tensorflow,理由是网上说如果不删除,python程序将默认使用cpu的tensorflow进行,在安装过程中尝试了30分钟

最终安装的解决方法如下:

使用安装命令为:

pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/ –default-timeout=100
D:\\Python\\python_data2_project>pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple/ –default-timeout=100

tensorflow和keras的案例运行

下面代码是摘自网络,成功运行如下:

import numpy as np
import os
import tensorflow
from keras.models import Sequential
from keras.layers import Dense
# 随机生成一组数据
data = np.random.random((1000,100))
# 随机生成标签
labels = np.random.randint(2,size=(1000,1))
model = Sequential()
# 添加一层神经网络
model.add(Dense(32,
activation=\’relu\’,
input_dim=100))
# 添加激活函数(activate function)
model.add(Dense(1, activation=\’sigmoid\’))
# 构建模型,定义优化器及损失函数
model.compile(optimizer=\’rmsprop\’,
loss=\’binary_crossentropy\’,
metrics=[\’accuracy\’])
# 模型与数据一键fit
model.fit(data,labels,epochs=10,batch_size=32)
predictions = model.predict(data)

Python使用keras和tensorflow遇到的问题及解决

通过上面的损失函数的最终结果,可以看出模型的效果并不是很好。

Tensorflow的GPU设置运行

电脑显卡类型不支持,暂时未进行验证,后续持续验证

https://www.jb51.net/python/318776btb.htm

绘制损失函数

hist=model.fit(data,labels,epochs=10,batch_size=32)
plt.plot(hist.history[\’accuracy\’],label=\”accuracy\”)
plt.plot(hist.history[\’loss\’],label=\”loss\”)
plt.legend(loc=0, ncol=1) # 参数:loc设置显示的位置,0是自适应;ncol设置显示的列数
plt.show()

Python使用keras和tensorflow遇到的问题及解决

总结

以上为个人经验,希望能给大家一个参考,也希望大家多多支持悠久资源网。

您可能感兴趣的文章:

  • 关于TensorFlow、Keras、Python版本匹配一览表
  • tensorflow1.15与numpy、keras以及Python兼容版本对照方式
  • 使用Python、TensorFlow和Keras来进行垃圾分类的操作方法
  • keras tensorflow 实现在python下多进程运行
  • Python3.7安装keras和TensorFlow的教程图解
  • win10 + anaconda3 + python3.6 安装tensorflow + keras的步骤详解

收藏 (0) 打赏

感谢您的支持,我会继续努力的!

打开微信/支付宝扫一扫,即可进行扫码打赏哦,分享从这里开始,精彩与您同在
点赞 (0)

悠久资源 Python Python使用keras和tensorflow遇到的问题及解决 https://www.u-9.cn/jiaoben/python/186789.html

常见问题

相关文章

发表评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务