Python使用keras和tensorflow遇到的问题

缺乏、安全感 2023-06-21 12:21 13阅读 0赞

### 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)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70]  
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://blog.csdn.net/A632189007/article/details/77978058][https_blog.csdn.net_A632189007_article_details_77978058]

## 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()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 1]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191212174404648.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu,size_16,color_FFFFFF,t_70
[https_blog.csdn.net_A632189007_article_details_77978058]: https://blog.csdn.net/A632189007/article/details/77978058
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200321203557735.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu,size_16,color_FFFFFF,t_70