在Google Colab中使用Adam优化器报错：无法识别优化器标识符

我尝试在Google Colab中使用Adam优化器，编写了如下代码：

import tensorflow as tf
import numpy as np
from transformers import BertTokenizer, TFBertForSequenceClassification
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.losses import SparseCategoricalCrossentropy

使用以下代码编译模型：

model.compile(
    optimizer=tf.keras.optimizers.Adam(learning_rate=2e-5),
    loss=SparseCategoricalCrossentropy(from_logits=True),
    metrics=["accuracy"]
)

但运行后出现如下错误：

ValueError                                Traceback (most recent call last)
<ipython-input-38-0183d53e319d> in <cell line: 0>()
----> 1 model.compile(
      2     optimizer=tf.keras.optimizers.Adam(learning_rate=2e-5),
      3     loss=SparseCategoricalCrossentropy(from_logits=True),
      4     metrics=["accuracy"]
      5 )

2 frames
/usr/local/lib/python3.11/dist-packages/tf_keras/src/optimizers/__init__.py in get(identifier, **kwargs)
    333         )
    334     else:
--> 335         raise ValueError(
    336             f"Could not interpret optimizer identifier: {identifier}"
    337         )

ValueError: Could not interpret optimizer identifier: <keras.src.optimizers.adam.Adam object at 0x7cef33ad4050>

这个错误源于TensorFlow与Keras的版本兼容性冲突：你使用的TFBertForSequenceClassification基于tf_keras（Keras 3.x）构建，但传入的Adam优化器是旧版tensorflow.keras下的实例，两者无法兼容。

有两种直接的解决方式：

• 方式一：使用字符串/字典形式传入优化器
  让模型自动匹配兼容的优化器版本，若需指定学习率，用字典配置：

model.compile(
    optimizer={"class_name": "Adam", "config": {"learning_rate": 2e-5}},
    loss=SparseCategoricalCrossentropy(from_logits=True),
    metrics=["accuracy"]
)

如果不需要自定义学习率，直接传字符串即可：

model.compile(
    optimizer="adam",
    loss=SparseCategoricalCrossentropy(from_logits=True),
    metrics=["accuracy"]
)

• 方式二：导入兼容的Adam优化器
  修改导入语句，直接从keras或tf_keras库导入适配的Adam：

# 替换原有的from tensorflow.keras.optimizers import Adam
from keras.optimizers import Adam
# 或者 from tf_keras.optimizers import Adam

之后编译模型时正常使用实例：

model.compile(
    optimizer=Adam(learning_rate=2e-5),
    loss=SparseCategoricalCrossentropy(from_logits=True),
    metrics=["accuracy"]
)

也可以选择降级TensorFlow到2.15等稳定版本（!pip install tensorflow==2.15），避开Keras 3.x的兼容性问题，但优先推荐前两种方法。

内容的提问来源于stack exchange，提问作者john doe