TensorFlow Hub KerasLayer添加至Sequential模型报错求助

问题原因 #

这个报错的核心是TensorFlow Hub的KerasLayer实例与当前环境中Keras的Layer类不兼容，通常由两种情况导致：

• TensorFlow和TensorFlow Hub版本不匹配（比如旧版tf-hub不支持新版Keras 3.x）
• 导入的Keras是独立的keras包而非TensorFlow内置的tf.keras

解决方案 #

1. 检查并升级依赖版本 #

先确认当前TensorFlow和TensorFlow Hub的版本：

import tensorflow as tf
import tensorflow_hub as hub
print(tf.__version__)
print(hub.__version__)

• 若使用TensorFlow 2.15+或Keras 3.x，需确保TensorFlow Hub版本≥0.15.0
• 执行命令升级依赖：

pip install --upgrade tensorflow tensorflow-hub

2. 修正导入方式 #

确保代码统一使用TensorFlow内置的Keras，导入语句改为：

import tensorflow as tf
import tensorflow_hub as hub

避免单独导入import keras，否则会导致类路径不匹配。

3. 替代方案：用Lambda层包装模型 #

如果升级后仍有问题，可直接用hub.load加载模型，再通过tf.keras.layers.Lambda包装后加入Sequential：

IMAGE_SHAPE = (224, 224)
# 替换为你的模型路径/URL
classifier_model = "https://tfhub.dev/google/tf2-preview/mobilenet_v2/classification/4"
loaded_model = hub.load(classifier_model)
classifier = tf.keras.Sequential([
    tf.keras.layers.Lambda(loaded_model, input_shape=IMAGE_SHAPE+(3,))
])

4. 验证Layer兼容性 #

执行以下代码确认KerasLayer是否属于tf.keras.layers.Layer实例：

import tensorflow as tf
import tensorflow_hub as hub
classifier_model = "你的模型路径"
layer = hub.KerasLayer(classifier_model)
print(isinstance(layer, tf.keras.layers.Layer))

输出True说明兼容性正常，可继续使用原代码；输出False则需再次检查版本或导入方式。

内容的提问来源于stack exchange，提问作者kavindu shashen