如何解决Google Colab中导入KerasRegressor的报错问题？

问题根源 #

TensorFlow 2.10及以上版本已经移除了tensorflow.keras.wrappers模块，所以直接导入会触发ModuleNotFoundError，官方推荐用scikeras作为替代工具。

正确解决步骤 #

• 安装scikeras
  在Colab的代码单元格中执行安装命令：

  !pip install scikeras[tensorflow]
  

  加上[tensorflow]后缀会自动匹配兼容的TensorFlow版本，避免版本冲突。

• 替换导入语句
  把原来的导入代码替换成：

  from scikeras.wrappers import KerasRegressor
  

• 示例使用代码
  这里给一个简单的示例，展示如何用scikeras的KerasRegressor包装Keras模型：

  import tensorflow as tf
  from scikeras.wrappers import KerasRegressor
  from sklearn.model_selection import cross_val_score
  from sklearn.datasets import make_regression
  
  # 生成回归数据集
  X, y = make_regression(n_samples=1000, n_features=10, random_state=42)
  
  # 定义Keras回归模型
  def build_model():
      model = tf.keras.Sequential([
          tf.keras.layers.Dense(64, activation='relu', input_shape=(10,)),
          tf.keras.layers.Dense(64, activation='relu'),
          tf.keras.layers.Dense(1)
      ])
      model.compile(optimizer='adam', loss='mse')
      return model
  
  # 用KerasRegressor包装模型
  regressor = KerasRegressor(model=build_model, epochs=10, batch_size=32, verbose=0)
  
  # 交叉验证测试
  scores = cross_val_score(regressor, X, y, cv=5)
  print(f"交叉验证得分: {scores.mean():.4f} ± {scores.std():.4f}")
  

常见问题排查 #

如果使用scikeras仍报错，检查以下几点：

• 安装完包后重启Colab运行时，避免缓存问题
• 更新TensorFlow到稳定版：执行!pip install --upgrade tensorflow
• 更新scikit-learn到兼容版本（需0.22+）：执行!pip install --upgrade scikit-learn

内容的提问来源于stack exchange，提问作者Fernando Devicari