我使用Keras在googlecolab中运行了几个深度学习模型。 我的代码工作得很好,但今天突然出现了很多错误,报告导入的问题。在这里粘贴一个
---------------------------------------------------------------------------
ImportError Traceback (most recent call last)
<ipython-input-3-745bb0894037> in <module>()
19 from keras.preprocessing.image import ImageDataGenerator
20 from keras.utils import np_utils
---> 21 from keras_contrib.applications.densenet import DenseNetFCN
22 from keras_contrib.losses.jaccard import jaccard_distance
1 frames
/usr/local/lib/python3.7/dist-packages/keras_contrib/applications/densenet.py in <module>()
66 from keras.layers import BatchNormalization
67 from keras.regularizers import l2
---> 68 from keras.utils.layer_utils import convert_all_kernels_in_model
69 from keras.utils.data_utils import get_file
70 from keras.engine.topology import get_source_inputs
ImportError: cannot import name 'convert_all_kernels_in_model' from 'keras.utils.layer_utils' (/usr/local/lib/python3.7/dist-packages/keras/utils/layer_utils.py)
TensorFlow 2.5版的最终版本要求每晚开发keras版本,这似乎是这些问题的根源。 https://github.com/tensorflow/tensorflow/blob/v2.5.0/tensorflow/tools/pip_package/setup.py#L107
要报告您的经验,相关的TensorFlow问题是: https://github.com/tensorflow/tensorflow/issues/49823
因此,我为任何可能有问题的人回答我的问题。 他们将Colab中的Tensorflow和Keras更新为2.5版本,并且一些函数没有迁移(即,转换模型中的所有内核)。 对我来说,解决方案是粘贴NN体系结构的代码,并在我不使用它时使用该函数对行进行注释。 我知道这不是最好的解决办法,但它让我度过了我所需要的
相关问题 更多 >
编程相关推荐