使用keras_tuner时Scipy导入错误的解决方法咨询

以下是针对该问题的具体排查和解决步骤：

• 确认Scipy在当前环境的可导入性
  在调用BayesianOptimization的同一代码环境中，先执行import scipy：

  • 如果出现导入错误，说明Scipy本身安装存在问题，执行pip install --force-reinstall scipy==1.15.0强制修复安装。
  • 确保当前代码运行的虚拟环境是你安装依赖的fy环境（Jupyter需切换对应kernel，终端需先执行conda activate fy）。

• 强制重新安装带贝叶斯依赖的keras-tuner
  执行pip install keras-tuner[bayesian] --force-reinstall，该命令会重新安装keras-tuner并确保贝叶斯调参所需的所有依赖（Scipy、scikit-learn等）都正确关联到当前环境。

• 手动注入Scipy到keras_tuner模块
  若上述步骤无效，可绕过keras_tuner的导入检测，在调用调参器前添加以下代码：

  import scipy
  import keras_tuner.src.tuners.bayesian
  keras_tuner.src.tuners.bayesian.scipy = scipy
  

  之后再正常初始化BayesianOptimization。

• 调整版本兼容性
  尝试降级keras_tuner到1.4.6版本（pip install keras-tuner==1.4.6），部分新版本的keras-tuner与Keras 3.x可能存在导入逻辑的兼容性问题。

内容的提问来源于stack exchange，提问作者Nghiệp Le