Tensorflow 与 Keras 的兼容性

Question

我正在使用Python 3.6和Tensorflow 2.0，并且有一些Keras代码：

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

model = Sequential()
model.add(Dense(1))
model.compile(optimizer='adam',loss='mean_squared_error',metrics=['accuracy'])

当我运行此代码时，出现以下错误：

Keras 需要 TensorFlow 2.2 或更高版本。通过 pip 安装 TensorFlow 安装张量流

我检查了https://keras.io/，它说 Keras 是基于 Tensorflow 2.0 构建的。 所以我很困惑。最新的 Keras 支持哪个确切版本的 Tensorflow？以及如何修复上述错误？谢谢！

Answer 1

只需检查 Tensorflow 和 Keras 兼容性：

并安装兼容的 Tensorflow 版本。检查此链接了解更多信息。

Answer 2

问题是最新的

keras

版本（2.4.x）只是

tf.keras

之上的包装器，我认为这不是您想要的，这就是为什么它特别需要 TensorFlow 2.2 或更高版本。

您可以安装Keras 2.3.1，它支持TensorFlow 2.x和1.x，并且是Keras的最新真实版本。您还可以安装仅支持 TensorFlow 1.x 的 Keras 2.2.4。您可以像这样安装特定版本：

pip install --user keras==2.3.1

Answer 3

该配置可能很棘手。在

keras

中使用

tensorflow

怎么样？我认为他们更可能彼此兼容。

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

Answer 4

keras 与 tf.keras

Keras API 有两种实现：独立的 Keras（随

pip install keras

安装）和与 TensorFlow 捆绑在一起的 tf.keras (

pip install tensorflow

)。

不久前，独立的 Keras 用于支持多个后端，即 TensorFlow、Microsoft Cognitive Toolkit、Theano 和 PlaidML。然而，在放弃 Theano 后，Keras 放弃了对除 TensorFlow 之外的所有这些的支持。所以每个人都开始使用 tf.keras 而不是独立的 Keras。

使用 tf.keras

要使用 tf.keras，您只需安装 TensorFlow (

pip install tensorflow

) 并使用

from tensorflow import keras

。无需安装独立的

keras

软件包，并且不存在兼容性问题的风险：

from tensorflow import keras

model = keras.models.Sequential()
model.add(keras.layers.Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy'])

或者，您可以在所有内容前面加上

tf.keras

:

import tensorflow as tf

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy'])

Keras 核心

然而，在 2023 年，独立的 Keras 卷土重来：它再次支持多个后端，即 TensorFlow、PyTorch 和 JAX。预览版本称为 Keras Core。要使用它，只需

pip install keras-core

，然后使用

import keras_core as keras

:

import keras_core as keras

model = keras.models.Sequential()
model.add(keras.layers.Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy'])

第一次导入

keras_core

时，它将查找

KERAS_BACKEND

环境变量来确定要使用哪个后端。它可以是

"tensorflow"

、

"torch"

或

"jax"

。它将保存在

~/.keras/keras.json

中，并在未定义环境变量时使用它。

喀拉斯 3

请注意，Keras Core 的最终版本将称为 Keras 3，您将能够使用

pip install keras

安装它。

此外，tf.keras 将不再单独维护，它将简单地使用 Keras 3（因此安装

tensorflow

也会自动安装

keras

）。

tf.keras

只是

keras

的别名。所有 Keras 代码都将位于 https://github.com/keras-team/keras。

所以在不久的将来，代码将是：

import keras

model = keras.models.Sequential()
model.add(keras.layers.Dense(1))
model.compile(optimizer='adam', loss='mean_squared_error', metrics=['accuracy'])

Answer 5

请参阅官方内容tensorflow.org，了解详细信息与 CUDA、Tensorflow 版本、Python 版本、CuDNN 兼容的版本：
对于 Windows：https://www.tensorflow.org/install/source_windows#cpu
https://www.tensorflow.org/install/source_windows#gpu

对于 Linux：https://www.tensorflow.org/install/source#linux
https://www.tensorflow.org/install/source#gpu

对于 MacOS：https://www.tensorflow.org/install/source#macos
https://www.tensorflow.org/install/source#gpu_2