Keras qui ne prend pas en charge TensorFlow 2.0. Nous vous recommandons d'utiliser `tf.keras`, ou bien de rétrograder vers TensorFlow 1.14

9

Je rencontre une erreur concernant (Keras qui ne prend pas en charge TensorFlow 2.0. Nous vous recommandons d'utiliser tf.kerasou de rétrograder vers TensorFlow 1.14.) Toutes les recommandations.

Merci

import keras
#For building the Neural Network layer by layer
from keras.models import Sequential
#To randomly initialize the weights to small numbers close to 0(But not 0)
from keras.layers import Dense

classifier=tf.keras.Sequential()

classifier.add(Dense(output_dim = 6, init = 'uniform', activation = 'relu', input_dim = 11))




RuntimeError: It looks like you are trying to use a version of multi-backend Keras that does not support TensorFlow 2.0. We recommend using `tf.keras`, or alternatively, downgrading to TensorFlow 1.14.

— doyen
source

11

Vous ne devriez avoir qu'à modifier les importations en haut:

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

classifier = Sequential()
classifier.add(Dense(6, init = 'uniform', activation = 'relu', input_dim = 11))

— nickthefreak
source

J'ai pour le souligner. J'ai fait exactement ce que vous avez énuméré. mais j'ai l'erreur TypeError suivante: __init __ () manquant 1 argument positionnel requis: 'units' Merci

— Dean

Il s'agit d'une erreur dans la construction de la couche dense, différente de l'erreur d'importation que vous avez eue jusqu'à présent (donc le code que vous avez fourni ci-dessus). En bref, toutes les couches ont un paramètre d'unités requis qui définit le nombre de neurones. Vous pouvez voir plus de détails dans la documentation

— nickthefreak

voulez-vous dire unités = 6 comme classificateur de couche d'entrée.add (Dense (unités = 6, init = 'uniforme', activation = 'relu', input_dim = 11))

— Dean

Plus comme classifier.add(Dense(6, init = 'uniform', activation = 'relu', input_shape = (11,))). La forme d'entrée doit être un tuple selon la documentation. Il s'agit d'une sorte de problème distinct, vous devrez donc peut-être ouvrir une nouvelle question ou rechercher des exemples existants d'implémentations MLP utilisant des keras.

— nickthefreak

1

Cette réponse fonctionne pour moi.

— VansFannel

3

TensorFlow 2.0+ est uniquement compatible avec Keras 2.3.0+, donc si vous souhaitez utiliser Keras 2.2.5-, vous aurez besoin de TensorFlow 1.15.0-. Alternativement, oui, vous pouvez le faire from tensorflow.keras import ..., mais cela n'utilisera pas du tout votre keraspackage et vous pourriez aussi bien le désinstaller.

— OverLordGoldDragon
source

1

Il existe une grande différence entre «peut» et est réellement pris en charge, seul Keras 2.3.x prend en charge TensorFlow 2.0, donc ne recommande pas d'utiliser 2.2.5 avec.

— Matias Valdenegro

@MatiasValdenegro Heureusement qu'il y a une seconde moitié à cette phrase

— OverLordGoldDragon

Oui, c'est pourquoi je recommande de ne pas mentionner les versions TF partiellement prises en charge.

— Matias Valdenegro

@MatiasValdenegro Si quoi que ce soit, cela décourage explicitement d' utiliser K2.2.5 + TF2 - sinon l'utilisateur peut l'exécuter sans erreur et penser que tout va bien. Mais d'accord, je suppose que je peux le rendre plus explicite - réponse mise à jour

— OverLordGoldDragon

1

Non, maintenant j'ai trouvé des preuves que Keras 2.2.5 ne prend pas réellement en charge TF 2.0, il suffit de regarder ce commit , donc dire simplement "peut" est en fait faux.

— Matias Valdenegro

2

si vous voulez utiliser tensorflow 2.0+vous devez avoir keras 2.3+
essayé de mettre à jour vos keras ça marche pour moi:

pip install -U keras

ou vous pouvez spécifier la version keras à 2.3

— hossein hayati
source

1

J'ai rencontré le même problème. Rétrogradé mon TensorFlow vers la version 1.14 en utilisant ce qui suit:

!pip install tensorflow==1.14.0

Correction de l'erreur.

— Prophète quantique
source

0

cette ligne de code sur la première cellule a fonctionné pour moi

% tensorflow_version 1.x

— lucas
source

0

J'ai résolu le problème en exécutant

pip install --ignore-installed --upgrade keras

— shihs
source