开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

如何修复模块'tensorflow.python.keras.activations‘没有属性'get’错误？

要修复模块'tensorflow.python.keras.activations'没有属性'get'错误，可以尝试以下几个步骤：

确认tensorflow和keras版本：首先确保你的tensorflow和keras版本是兼容的。某些旧版本的tensorflow和keras可能存在兼容性问题。建议升级到最新版本的tensorflow和keras。
检查代码：检查你的代码中是否有拼写错误或语法错误。确保正确导入了所需的模块和函数。特别注意'tensorflow.python.keras.activations'模块是否正确导入，并且是否使用了正确的函数调用。
检查安装包：确认你已经正确安装了tensorflow和keras。可以使用pip命令检查安装包是否完整，或者尝试重新安装这两个包。
清除缓存：有时候缓存文件可能导致错误。尝试清除tensorflow和keras的缓存文件，然后重新运行代码。
检查环境变量：确保你的环境变量配置正确，包括Python解释器和相关库的路径。

如果以上步骤都没有解决问题，可以尝试搜索相关错误信息，查看是否有其他开发者遇到过类似的问题，并寻找解决方案。此外，可以参考tensorflow和keras的官方文档、社区论坛或技术支持渠道，获取更详细的帮助和指导。

腾讯云相关产品和产品介绍链接地址：

腾讯云：https://cloud.tencent.com/
云服务器（CVM）：https://cloud.tencent.com/product/cvm
云数据库 MySQL 版：https://cloud.tencent.com/product/cdb_mysql
云原生应用引擎 TKE：https://cloud.tencent.com/product/tke
人工智能平台 AI Lab：https://cloud.tencent.com/product/ailab
物联网套件 IoT Explorer：https://cloud.tencent.com/product/iotexplorer
移动开发平台 MDP：https://cloud.tencent.com/product/mdp
云存储 COS：https://cloud.tencent.com/product/cos
区块链服务 BaaS：https://cloud.tencent.com/product/baas
腾讯云元宇宙：https://cloud.tencent.com/solution/virtual-universe

相关搜索:如何修复错误AttributeError:模块'keras.backend‘没有属性'get_session’属性错误:模块tensorflow没有属性'get_default_graph'？如何修复没有属性“get”的“CustomUser”对象如何修复"AttributeError：'OAuth2ConsumerBlueprint‘对象没有属性'get'“错误如何修复源:模块‘magpylib’没有属性‘AttributeError’如何修复: AttributeError:模块'twint‘没有属性'config’AttributeError：“int”对象没有“”get“”属性。如何修复它？“模块“selenium.webdriver”没有属性“get”如何修复重定向:模块'werkzeug‘没有’AttributeError‘属性同样的错误，模块“tensorflow”没有属性“get_default_graph”Pygame错误:属性错误:没有属性get_rect()如何修复AttributeError：“str”对象没有属性“get_side”如何修复: AttributeError：'TextChannel‘对象没有'get_message’属性？错误: Callable没有属性"__get__“Tkinter -没有属性标签'get()‘错误错误'int‘对象没有属性'get’属性错误:模块'mysql‘没有属性'connector’属性错误:模块'provider‘没有属性'getDataFiles’属性错误:类型对象"Client“没有属性"get 如何修复Google Cloud ssh“模块'time‘没有属性'clock'"？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

Keras：一个基于Python的深度学习库 | 给力的API | Tensorflow | 干货分享 | 解读技术

|懒人阅读：你可以调用keras库中的模块迅速实现各种深度学习模型，在tensorflow、Theano以及CNTK中均可支持，适合新手体验、快速验证想法。

04

【tensorflow2.x】tensorflow和keras的使用问题

1、在新版的tensorflow2.x中，keras已经作为模块集成到tensorflow中了

03

Import Error: cannot import name ‘export_saved_model

Using TensorFlow backend.D:\Anaconda install\lib\site-packages\tensorflow\python\framework\dtypes.py:516: FutureWarning: Passing (type, 1) or '1type' as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) /

01

TensorFlow2.0（7）：4种常用的激活函数

激活函数是深度学习，亦或者说人工神经网络中一个十分重要的组成部分，它可以对神经元的接收信息进行非线性变换，将变换后的信息输出到下一层神经元。激活函数作用方式如下公式所示：

02

OpenCV 4.5.2 发布

CVPR 2021 相关论文、代码、解读和demo整理，同时为了方便下载论文，已把部分论文上传到上面了，欢迎小伙伴们 star 支持一波！

04

【TensorFlow2.0】以后我们再也离不开Keras了？

在TensorFlow2.0中，Keras是一个用于构建和训练深度学习模型的高阶 API。因此如果你正在使用TensorFow2.0，那么使用Keras构建深度学习模型是您的不二选择。在Keras API中总共有如下三大块：

02

Fast-SCNN的解释以及使用Tensorflow 2.0的实现

Fast Segmentation Convolutional Neural Network (Fast- scnn)是一种针对高分辨率图像数据的实时语义分割模型，适用于低内存嵌入式设备上的高效计算。原论文的作者是：Rudra PK Poudel, Stephan Liwicki and Roberto Cipolla。本文中使用的代码并不是作者的正式实现，而是我对论文中描述的模型的重构的尝试。

03

Fast-SCNN的解释以及使用Tensorflow 2.0的实现

Fast Segmentation Convolutional Neural Network (Fast- scnn)是一种针对高分辨率图像数据的实时语义分割模型，适用于低内存嵌入式设备上的高效计算。原论文的作者是：Rudra PK Poudel, Stephan Liwicki and Roberto Cipolla。本文中使用的代码并不是作者的正式实现，而是我对论文中描述的模型的重构的尝试。

01

Keras: 基于Python的深度学习库

Keras 是一个用 Python 编写的高级神经网络 API，它能够以TensorFlow, CNTK或者 Theano作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。

03

TensorFlow2.0+的API结构梳理

本文梳理了tf 2.0以上版本的API结构，用于帮助国内的初学者更好更快的了解这个框架，并为检索官方的API文档提供一些关键词。

03

keras报错：TypeError: softmax() got an unexpected keyword argument 'axis'

网上看到一种说法是由于tensorflow版本过低的问题，这里我的环境中tensorflow的版本是1.2.1，查看版本号的方法：终端命令查看TensorFlow版本号及路径。这种说法的解决方案当然就是升级tensorflow版本了。由于比较麻烦我没有选择这种方法。

01

TensorFlow2.1正式版上线：最后一次支持Python2，进一步支持TPU

去年 10 月，谷歌才发布了 TensorFlow 2.0 正式版。时隔三个月后，昨日官方发布了 TensorFlow 2.1，本次版本更新带了了多项新特性、功能改进和 bug 修复。

03

在毕设中学习03

脑电分为诱发性脑电和自发性脑电，诱发性脑电的诱发因素又分为外源性刺激（视觉听觉触觉）和内源性事件相关（计算、思考）

03

一文读懂TensorFlow 2.0高阶API

在TensorFlow 2.0中对大量的高阶API库进行了删减与合并，根据官方的解释，这一切的变化都是为了使TensorFlow2.0更加易用和简洁。本文以官方推荐的唯一高阶API库tf.keras为主，概括地介绍TensorFlow 2.0的高阶API。

03

图注意力网络(GAT) TensorFlow实现

图注意力网络来自 Graph Attention Networks，ICLR 2018. https://arxiv.org/abs/1710.10903

05

最新！TensorFlow 1.9.0正式版发布

TensorFlow 1.9.0正式版发布了，下面是更新和改进的细节，更详细的信息请到网站查阅：github.com/tensorflow/tensorflow/releases/tag/v1.9.0

02

《机器学习实战：基于Scikit-Learn、Keras和TensorFlow》第12章使用TensorFlow自定义模型并训练

目前为止，我们只是使用了TensorFlow的高级API —— tf.keras，它的功能很强大：搭建了各种神经网络架构，包括回归、分类网络、Wide & Deep 网络、自归一化网络，使用了各种方法，包括批归一化、dropout和学习率调度。事实上，你在实际案例中95%碰到的情况只需要tf.keras就足够了（和tf.data，见第13章）。现在来深入学习TensorFlow的低级Python API。当你需要实现自定义损失函数、自定义标准、层、模型、初始化器、正则器、权重约束时，就需要低级API了。甚至有时需要全面控制训练过程，例如使用特殊变换或对约束梯度时。这一章就会讨论这些问题，还会学习如何使用TensorFlow的自动图生成特征提升自定义模型和训练算法。首先，先来快速学习下TensorFlow。

03

【Python干货教程】七大常用Python库（小白必备快速上手机器学习、简化算法编程）

TensorFlow 是一款非常流行的开源库，它是由Google与Brain Team合作开发而成，主要用于机器学习类应用的开发。

01

喜大普奔，Keras 官方中文版文档发布啦！

在官方中文版上，我们也看到对 Keras 的正式介绍： Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。

2019必学的10大顶级Python库！

作为数据科学和机器学习相关的研究和开发人员，大家每天都要用到 python。在本文中，我们将讨论一些 python 中的顶级库，开发人员可以使用这些库在现有的应用程序中应用、清洗和表示数据，并进行机器学习研究。

00

2019 必知的 10 大顶级 Python 库

作为数据科学和机器学习相关的研究和开发人员，大家每天都要用到 python。在本文中，我们将讨论一些 python 中的顶级库，开发人员可以使用这些库在现有的应用程序中应用、清洗和表示数据，并进行机器学习研究。

03

2019必学的10大顶级Python库！

作为数据科学和机器学习相关的研究和开发人员，大家每天都要用到 python。在本文中，我们将讨论一些 python 中的顶级库，开发人员可以使用这些库在现有的应用程序中应用、清洗和表示数据，并进行机器学习研究。

02

OpenCV 4.5.2 发布

CVPR 2021 相关论文、代码、解读和demo整理，同时为了方便下载论文，已把部分论文上传到上面了，欢迎小伙伴们 star 支持一波！

01

基础|认识机器学习中的逻辑回归、决策树、神经网络算法

逻辑回归。它始于输出结果为有实际意义的连续值的线性回归，但是线性回归对于分类的问题没有办法准确而又具备鲁棒性地分割，因此我们设计出了逻辑回归这样一个算法，它的输出结果表征了某个样本属于某类别的概率。逻辑回归的成功之处在于，将原本输出结果范围可以非常大的θTX 通过sigmoid函数映射到(0,1)，从而完成概率的估测。sigmoid函数图像如下图所示：

03

：解决WARNING:tensorflow:From ：read_data_sets (from tensorflow.contrib.learn.python

在使用 TensorFlow 进行深度学习任务时，经常会遇到一些警告信息，其中之一就是 "WARNING:tensorflow:From"。这个警告信息通常出现在使用 tensorflow.contrib.learn.python.learn 模块中的 read_data_sets 函数时。本篇博客将介绍如何解决这个警告信息。

03

机器学习必知的 10 个 Python 库

Python 是最流行和使用最广泛的编程语言之一，它已经取代了业界许多编程语言。python 在开发人员中流行的原因有很多。然而，最重要的一点是它有大量的库供用户使用。

03

基础|认识机器学习中的逻辑回归、决策树、神经网络算法

作者：石文华编辑：田　旭逻辑回归 1 逻辑回归。它始于输出结果为有实际意义的连续值的线性回归，但是线性回归对于分类的问题没有办法准确而又具备鲁棒性地分割，因此我们设计出了逻辑回归这样一个算法，它

08

Keras使用ImageNet上预训练的模型方式

在以上代码中，我们首先import各种模型对应的module，然后load模型，并用ImageNet的参数初始化模型的参数。

01

【重磅】TensorFlow 1.0 官方正式发布，重大更新及5大亮点

【新智元导读】昨天凌晨谷歌正式发布了TensorFlow1.0版，改进了库中的机器学习功能，发布了XLA的实验版本，对Python和Java用户开放，提升了debugging，并且加入和改进了一些高级

07

扩展之Tensorflow2.0 | 21 Keras的API详解（上）卷积、激活、初始化、正则

我们对Keras应该已经有了一个直观、宏观的认识了。现在，我们来系统的学习一下Keras的一些关于网络层的API，本文的主要内容是围绕卷积展开的，包含以下的内容：

03

Keras vs tf.keras: 在TensorFlow 2.0中有什么区别?

在本文中，您将发现Keras和tf.keras之间的区别，包括TensorFlow 2.0中的新增功能。

03

Deep learning with Python 学习笔记（9）

使用 model.fit()或 model.fit_generator() 在一个大型数据集上启动数十轮的训练，有点类似于扔一架纸飞机，一开始给它一点推力，之后你便再也无法控制其飞行轨迹或着陆点。如果想要避免不好的结果（并避免浪费纸飞机），更聪明的做法是不用纸飞机，而是用一架无人机，它可以感知其环境，将数据发回给操纵者，并且能够基于当前状态自主航行。下面要介绍的技术，可以让model.fit() 的调用从纸飞机变为智能的自主无人机，可以自我反省并动态地采取行动

01

TensorFlow2.0（11）：tf.keras建模三部曲

Keras是一个基于Python编写的高层神经网络API，凭借用户友好性、模块化以及易扩展等有点大受好评，考虑到Keras的优良特性以及它的受欢迎程度，TensorFlow2.0中将Keras的代码吸收了进来，化身为tf.keras模块供用户使用。

01

Keras正式从TensorFlow分离：效率大幅提升

对于深度学习领域的从业者而言，Keras 肯定不陌生，它是深度学习的主流框架之一。2015 年 3 月 27 日，谷歌软件工程师、Keras 之父 Francois Chollet 在其 GitHub 上提交并公布了 Keras 的首个版本。作为使用纯 Python 编写的深度学习框架，Keras 的代码更加简单方便，适用于初学者。此外，Keras 具有很强的易扩展性，能够直观地定义神经网络，函数式 API 的使用令用户可以将层定义为函数。

02

【TensorFlow1.2.0版发布】14大新功能，增加Intel MKL集成

【新智元导读】TensorFlow 今天发布最新版 1.2.0，公布了14大最新功能。新智元带来最新介绍，包括 API 的重要变化、contrib API的变化和Bug 修复及其他改变。附代码链接。主要的功能和改进 1. Windows上支持Python3.6。 2. 时空域去卷积（spatio temporal deconvolution.）增加了tf.layers.conv3d_transpose层。 3. 增加了tf.Session.make_callable( )，为多次运行一个相同步骤的运行提供

09

TensorFlow 2.0 的新增功能：第一、二部分

本书的这一部分将为您简要概述 TensorFlow 2.0 中的新增功能，与 TensorFlow 1.x 的比较，惰性求值和急切执行之间的差异，架构级别的更改以及关于tf.keras和Estimator的 API 使用情况。

01

TensorFlow 2.0中的tf.keras和Keras有何区别？为什么以后一定要用tf.keras？

通过本教程，你可以了解 Keras 和 tf.keras 之间的区别，以及 TensorFlow 2.0 的新特性。本教程的灵感来自于上周二我在 PyImageSearch 阅读器上收到的一封邮件。

03

[深度应用]·Keras极简实现Attention结构

这里让x[:, attention_column] = y[:, 0]，X数据的第一列等于Y数据第零列（其实就是label），这样第一列数据和label的相关度就会很大，最后通过输出相关度来证明思路正确性。

03

《python深度学习》卷积神经网络的可视化

（1） plt.figure(figsize=(int(scale * (display_grid.shape[1])),int(scale * display_grid.shape[0])))原始代码是这一句，用在我的图像会报错，修改成 plt.figure(figsize=(int(scale * (display_grid.shape[1])),int(scale * display_grid.shape[1])))就不报错了

02

Keras正式从TensorFlow分离：结束API混乱与耗时编译

机器之心报道编辑：杜伟、小舟以后在本地运行 Keras Bazel 测试将不再花费几小时，只需要几分钟。对于深度学习领域的从业者而言，Keras 肯定不陌生，它是深度学习的主流框架之一。2015 年 3 月 27 日，谷歌软件工程师、Keras 之父 Francois Chollet 在其 GitHub 上提交并公布了 Keras 的首个版本。作为使用纯 Python 编写的深度学习框架，Keras 的代码更加简单方便，适用于初学者。此外，Keras 具有很强的易扩展性，能够直观地定义神经网络，函数式

03

【干货】Batch Normalization: 如何更快地训练深度神经网络

【导读】本文是谷歌机器学习工程师 Chris Rawles 撰写的一篇技术博文，探讨了如何在 TensorFlow 和 tf.keras 上利用 Batch Normalization 加快深度神经网络的训练。我们知道，深度神经网络一般非常复杂，即使是在当前高性能GPU的加持下，要想快速训练深度神经网络依然不容易。Batch Normalization 也许是一个不错的加速方法，本文介绍了它如何帮助解决梯度消失和梯度爆炸问题，并讨论了ReLu激活以及其他激活函数对于抵消梯度消失问题的作用。最后，本文使用Te

09

谷歌重磅发布TensorFlow 2.0正式版，高度集成Keras，大量性能改进

TensorFlow 2.0 安装指南：https://www.tensorflow.org/install

03

TensorFlow 1.0 正式发布你需要知道的都在这里

【AI研习社】关注AI前沿、开发技巧及技术教程等方面的内容。欢迎技术开发类文章、视频教程等内容投稿，邮件发送至：zhangxian@leiphone.com 📷 谷歌表示，仅仅在发布的第一年里，TensorFlow就帮助研究人员、工程师、艺术家、学生以及其他行业人员取得了巨大研究进展。这包括机器翻译、早期皮肤癌检测、防止糖尿病失明并发症等诸多领域。如今，TensorFlow 被用于逾 6000 个开源资源库，谷歌研究人员对此感到十分欣喜。昨晚谷歌在山景城举办了第一届 TensorFlow 开

09

开发丨TensorFlow 1.0 正式发布，你需要知道的都在这里

谷歌表示，仅仅在发布的第一年里，TensorFlow 就帮助研究人员、工程师、艺术家、学生以及其他行业人员取得了巨大研究进展。这包括机器翻译、早期皮肤癌检测、防止糖尿病失明并发症等诸多领域。如今，TensorFlow 被用于逾 6000 个开源资源库，谷歌研究人员对此感到十分欣喜。昨晚谷歌在山景城举办了第一届 TensorFlow 开发者峰会。作为大会的一部分，TensorFlow 1.0 的正式版本被发布出来。一起来看看它都有哪些新特性：更快它运算更快——TensorFlow 1.0 有十分

05

Keras还是TensorFlow？深度学习框架选型实操分享

深度学习发展势头迅猛，但近两年涌现的诸多深度学习框架让初学者无所适从。如 Google 的 TensorFlow、亚马逊的 MXNet、Facebook 支持的 PyTorch、Theano、Caffe、CNTK、Chainer、百度的 PaddlePaddle、DSSTNE、DyNet、BigDL、Neon 等等。

03

盘点丨2018 年热门 Python 库丨TOP20

在解决数据科学任务和挑战方面，Python继续处于领先地位。去年，我对当时热门的Python库进行了总结。今年，我在当中加入新的库，重新对2018年热门Python库进行全面盘点。

02

2017 深度学习框架发展大盘点——迎来 PyTorch，告别 Theano

深度学习是机器学习中一种基于对数据进行表征学习的方法，作为当下最热门的话题，谷歌、Facebook、微软等巨头纷纷围绕深度学习做了一系列研究，一直在支持开源深度学习框架的建设。深度学习是机器学习中一种基于对数据进行表征学习的方法，作为当下最热门的话题，谷歌、Facebook、微软等巨头纷纷围绕深度学习做了一系列研究，一直在支持开源深度学习框架的建设。过去一年间，在这些巨头的加持下，深度学习框架格局发生了极大改变：新框架横空出世，旧的框架也逐渐退出历史舞台，而框架与框架之间的联系也更加紧密，生态更为开放。

06

解决Tensorflow2.0出现：AttributeError: module 'tensorflow' has no attribute 'get_defa

AttributeError: module 'tensorflow' has no attribute 'get_default_graph'

03

TensorFlow bug激怒社区，用户：我要用PyTorch了！

issue 页面：https://github.com/tensorflow/tensorflow/issues/25175

03

解决ImportError: cannot import name ‘adam‘ from ‘tensorflow.python.keras.optimizer

在使用TensorFlow进行深度学习时，经常会遇到一些错误。其中一个常见的错误是ImportError: cannot import name ‘adam‘ from ‘tensorflow.python.keras.optimizers‘。本文将介绍这个错误的原因，并提供解决方案。

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭