tenorsflow keras: я получаю эту ошибку 'модуль' tenensor._api.v1.keras.layers 'не имеет атрибута' flatten ''

Question

Я получаю вышеуказанную ошибку при выполнении кода ниже. Я пытаюсь разработать этот учебник ниже по реализации нейросетевого тензорного потока. https://www.datacamp.com/community/tutorials/tensorflow-tutorial

def load_data(data_directory):
directories = [d for d in os.listdir(data_directory) 
               if os.path.isdir(os.path.join(data_directory, d))]
labels = []
images = []
for d in directories:
    label_directory = os.path.join(data_directory, d)
    file_names = [os.path.join(label_directory, f) 
                  for f in os.listdir(label_directory) 
                  if f.endswith(".ppm")]
    for f in file_names:
        images.append(skimage.data.imread(f))
        labels.append(int(d))
return images, labels

import os
import skimage
from skimage import transform
from skimage.color import rgb2gray
import numpy as np
import keras
from keras import layers
from keras.layers import Dense
ROOT_PATH = "C://Users//Jay//AppData//Local//Programs//Python//Python37//Scriptcodes//BelgianSignals"
train_data_directory = os.path.join(ROOT_PATH, "Training")
test_data_directory = os.path.join(ROOT_PATH, "Testing")

images, labels = load_data(train_data_directory)


# Print the `labels` dimensions
print(np.array(labels))

# Print the number of `labels`'s elements
print(np.array(labels).size)

# Count the number of labels
print(len(set(np.array(labels))))

# Print the `images` dimensions
print(np.array(images))

# Print the number of `images`'s elements
print(np.array(images).size)

# Print the first instance of `images`
np.array(images)[0]

images28 = [transform.resize(image, (28, 28)) for image in images]

images28 = np.array(images28)

images28 = rgb2gray(images28)

# Import `tensorflow` 
import tensorflow as tf 

# Initialize placeholders 
x = tf.placeholder(dtype = tf.float32, shape = [None, 28, 28])
y = tf.placeholder(dtype = tf.int32, shape = [None])

# Flatten the input data
images_flat = tf.keras.layers.flatten(x)

# Fully connected layer 
logits = tf.contrib.layers.dense(images_flat, 62, tf.nn.relu)

# Define a loss function
loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(labels = y, 
                                                                    logits = logits))
# Define an optimizer 
train_op = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss)

# Convert logits to label indexes
correct_pred = tf.argmax(logits, 1)

# Define an accuracy metric
accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))

Сначала я использовал tf.layers.flatten (x), как в учебнике. однако, это будет амортизироваться в будущих версиях. Поэтому вместо этого добавьте керас.

Я получаю следующий вывод в консоли IDLE.

RESTART: C: \ Users \ Jay \ AppData \ Local \ Programs \ Python \ Python37 \ Scriptcodes \ SecondTensorFlow.py Использование TensorFlow backend.

Предупреждение (из модуля предупреждений): Файл "C: \ Users \ Jay \ AppData \ Local \ Programs \ Python \ Python37 \ lib \ site-packages \ skimage \ transform_warps.py", строка 105 warn («Режим по умолчанию,« постоянный », будет изменен на« отражать »в» UserWarning: режим по умолчанию, «константа», будет изменен на «отражать» в образе лыжи 0.15.

Предупреждение (из модуля предупреждений): Файл "C: \ Users \ Jay \ AppData \ Local \ Programs \ Python \ Python37 \ lib \ site-packages \ skimage \ transform_warps.py", строка 110 warn ("Сглаживание будет включено по умолчанию в Skimage 0.15 to" UserWarning: Сглаживание будет включено по умолчанию в Skimage 0.15, чтобы избежать наложения артефактов при понижающей дискретизации изображений.

Traceback (последний вызов был последним): Файл "C: \ Users \ Jay \ AppData \ Local \ Programs \ Python \ Python37 \ Scriptcodes \ SecondTensorFlow.py", строка 64, в

images_flat = tf.python.keras.layers.flatten (x)

AttributeError: у модуля 'tenorflow' нет атрибута 'python'

Я использую, Keras версия 2.2.4 Версия Tensorflow 1.13.1

Answer 1

В новом подходе («keras как API по умолчанию») вы бы использовали слой keras tf.keras.layers.Flatten, но есть небольшой нюанс, который, как вам кажется, упущен (и он не был упомянут в комментариях).

tf.keras.layers.Flatten() фактически возвращает объект слоя keras (вызываемый), который, в свою очередь, должен вызываться с вашим предыдущим слоем.

Так что-то вроде этого:

# Flatten the input data
flatten_layer = tf.keras.layers.Flatten()
images_flat = flatten_layer(x)

или, для краткости, просто:

# Flatten the input data
images_flat = tf.keras.layers.Flatten()(x)