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

 

 

 

 

 

具体操作命令是：

创建一个python <3.8的虚拟环境。
conda create -n your_env_name python=3.6

激活并进入该环境。
activate your_env_name

安装1.x版本的tensorflow。
pip install tensorflow==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

查看tensorflow安装情况。
conda list

经过以上步骤，一个python3.6，tensorflow1.15版本的新环境，可运行
————————————————
链接：https://blog.csdn.net/qq_42711123/article/details/126725401

 

在使用tensorflow 2.0时，遇到了这个问题:
AttributeError: module ‘tensorflow’ has no attribute ‘get_default_graph’
这个报错的意思是：tensorflow模块没有get_default_graph属性
错误原因
这是由于Keras API（https://keras.io/）有多个实现，包括原始和参考实现（https://github.com/keras-team/keras），还有各种其他实现，包括tf.keras，它是TensorFlow的一部分。
由于TensorFlow 2默认为急切执行，因此Keras需要进行一些更改才能与之兼容
解决方法
    方法一：
    将参考实现与TensorFlow后端一起使用。但是，此实现尚未更新以支持TensorFlow 2（截至2019年6月）。
    方法二：
    使用TensorFlow的实现，tf.keras。这个适用于TF 2。
    例如你需要使用tf.keras，必须确保使用正确的导入：

from tensorflow import keras
而不是直接使用：import keras
同样，在要使用keras下的其他模块时：
from tensorflow.keras import layers
而不是使用 from keras import layers
链接：https://blog.csdn.net/public669/article/details/99686151

 

出现报错：AttibuteError: module ‘tensorflow’ has no attribute ‘get_default_graph’.

该报错的意思是：tensorflow模块没有get_default_graph属性。

这是由于Keras API（https://keras.io/）有多个实现，包括原始和参考实现（https://github.com/keras-team/keras），还有各种其他实现，包括tf.keras，它是TensorFlow的一部分。
由于TensorFlow 2默认为急切执行，TF2中集成了keras，因此Keras需要进行一些更改才能与之兼容。

解决方法
from tensorflow import keras
而不是直接使用：import keras

from tensorflow.keras import layers
而不是使用 from keras import layers


如果不同代码文件之间有相互嵌套，只修改当前python文件可能还是会出现同样的报错信息：
AttibuteError: module ‘tensorflow’ has no attribute ‘get_default_graph’.

此时可以直接看代码找到嵌套的文件进行修改。
也可以先卸载原来的keras包查看哪里还有问题。
在终端中输入

pip uninstall keras

出现报错信息：ModuleNotFoundError: no module named ‘keras’
留意详细报错信息中 Keras 出现的具体文件和对应的位置，逐个进行修改。
如下图就是在segnet.py中还有没有修改成tensorflow.keras的地方。
在这里插入图片描述
修改完成后保存，再运行就不会再报错了。
链接：https://blog.csdn.net/weixin_49034139/article/details/121545207