如何在 Tensorflow 中从 tf.keras 导入 keras？

像这样使用来自 tensorflow 的 keras 模块：

import tensorflow as tf

导入类

from tensorflow.python.keras.layers import Input, Dense

或直接使用

dense = tf.keras.layers.Dense(...)

编辑张量流 2

from tensorflow.keras.layers import Input, Dense

其余的保持不变。

---

试试from tensorflow.python import keras

有了这个，您可以轻松地将依赖于 keras 的代码更改为 tensorflow。

您也可以尝试 from tensorflow.contrib import keras。这适用于 tensorflow 1.3

已编辑：对于 tensorflow 1.10 及更高版本，您可以使用 import tensorflow.keras as keras 在 tensorflow 中获取 keras。

---

每次降级都不是很好，您可能需要进行以下更改，如下所示：

张量流

将张量流导入为 tf

#Keras
from tensorflow.keras.models import Sequential, Model, load_model, save_model
from tensorflow.keras.callbacks import ModelCheckpoint
from tensorflow.keras.layers import Dense, Activation, Dropout, Input, Masking, TimeDistributed, LSTM, Conv1D, Embedding
from tensorflow.keras.layers import GRU, Bidirectional, BatchNormalization, Reshape
from tensorflow.keras.optimizers import Adam

from tensorflow.keras.layers import Reshape, Dropout, Dense,Multiply, Dot, Concatenate,Embedding
from tensorflow.keras import optimizers
from tensorflow.keras.callbacks import ModelCheckpoint

关键是，而不是使用

from keras.layers import Reshape, Dropout, Dense,Multiply, Dot, Concatenate,Embedding

你需要添加

from tensorflow.keras.layers import Reshape, Dropout, Dense,Multiply, Dot, Concatenate,Embedding

---

为简单起见，我将采用 keras 和 tf.keras 中的两个版本的代码。这里的示例是一个简单的神经网络模型，其中包含不同的层。

在 Keras (v2.1.5)

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

def get_model(n_x, n_h1, n_h2):
    model = Sequential()
    model.add(Dense(n_h1, input_dim=n_x, activation='relu'))
    model.add(Dense(n_h2, activation='relu'))
    model.add(Dropout(0.5))
    model.add(Dense(4, activation='softmax'))
    model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
    print(model.summary())
    return model

在 tf.keras (v1.9)

import tensorflow as tf

def get_model(n_x, n_h1, n_h2):
    model = tf.keras.Sequential()
    model.add(tf.keras.layers.Dense(n_h1, input_dim=n_x, activation='relu'))
    model.add(tf.keras.layers.Dense(n_h2, activation='relu'))
    model.add(tf.keras.layers.Dropout(0.5))
    model.add(tf.keras.layers.Dense(4, activation='softmax'))
    model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
    print(model.summary())

    return model

或者可以用下面的方式代替上面的方式导入

from tensorflow.keras.layers import Dense

tf.keras 的官方文档

注意：TensorFlow 版本为 1.9

---

为所有来检查为什么 tensorflow.keras 在 PyCharm 中不可见的人更新。

从 TensorFlow 2.0 开始，只有 PyCharm 版本 > 2019.3 能够正确识别 tensorflow (tensorflow.keras) 中的 tensorflow 和 keras。

此外，建议（由 Francois Chollet）每个人都切换到 tensorflow.keras 来代替普通的 keras。

---

这在 tensorflow==1.4.0 中对我有用

从 tensorflow.python 导入 keras

---

我在导入这些库时遇到了类似的问题。我正在使用 Anaconda Navigator 1.8.2 和 Spyder 3.2.8。

我的代码如下：

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
import math

#from tf.keras.models import Sequential  # This does not work!
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import InputLayer, Input
from tensorflow.python.keras.layers import Reshape, MaxPooling2D
from tensorflow.python.keras.layers import Conv2D, Dense, Flatten

我收到以下错误：

from tensorflow.python.keras.models import Sequential

ModuleNotFoundError: No module named 'tensorflow.python.keras'

我解决了这个擦除 tensorflow.python

使用此代码，我解决了错误：

import matplotlib.pyplot as plt
import tensorflow as tf
import numpy as np
import math

#from tf.keras.models import Sequential  # This does not work!
from keras.models import Sequential
from keras.layers import InputLayer, Input
from keras.layers import Reshape, MaxPooling2D
from keras.layers import Conv2D, Dense, Flatten

---

我在 PyCharm 中使用 Tensorflow 2.0.0 时遇到了同样的问题。 PyCharm 无法识别 tensorflow.keras；我更新了我的 PyCharm，问题解决了！

---