PyCharm中Keras Sequential添加TensorFlow Hub特征提取层报错问题

问题原因 #

该报错源于本地PyCharm环境中TensorFlow与TensorFlow Hub版本不兼容，或是同时安装了独立的keras包，导致tensorflow_hub.KerasLayer无法被识别为tf.keras.Layer的实例（Colab环境默认使用兼容的最新版本组合，因此无此问题）。

解决办法 #

1. 安装兼容的TensorFlow与TensorFlow Hub版本

卸载现有版本后，安装经过验证的兼容版本组合，例如：

pip uninstall -y tensorflow tensorflow-hub
pip install tensorflow==2.15.0 tensorflow-hub==0.15.0

（注：可参考TensorFlow官方文档选择对应版本，确保两者版本匹配）

2. 卸载独立的Keras包（若已安装）

如果本地单独安装了keras包，会与TensorFlow内置的tf.keras产生类冲突，需卸载：

pip uninstall -y keras

3. 替代方案：用Lambda层封装特征提取器

如果上述版本调整仍无效，可将TensorFlow Hub模型通过tf.keras.layers.Lambda封装为标准Keras层：

import tensorflow as tf
import tensorflow_hub as hub

model_url = "https://www.kaggle.com/models/google/mobilenet-v2/frameworks/tensorFlow2/variations/100-224-feature-vector/versions/1?tfhub-redirect=true"

# 用Lambda层封装Hub模型
feature_extractor_model = hub.load(model_url)
feature_extract_layer = tf.keras.layers.Lambda(
    feature_extractor_model,
    input_shape=(224,224,3),
    name="feature_extraction"
)

model = tf.keras.Sequential([
    feature_extract_layer,
    tf.keras.layers.Dense(train_data.num_classes, activation='softmax', name="outputLayer")
])

内容的提问来源于stack exchange，提问作者issa abboud