使用Keras时遇AttributeError：keras.layers无TextVectorization属性

你的环境中同时安装了独立版Keras 3.1.1和TensorFlow 2.16.1，两者的keras命名空间存在冲突：

• 执行import keras时，Python可能优先导入TensorFlow内置的keras模块（而非独立Keras），导致API结构不匹配：
  1. TensorFlow内置的keras.layers未直接暴露TextVectorization（需通过tf.keras.layers.TextVectorization访问）；
  2. TensorFlow的keras模块没有__version__属性，版本信息需通过tf.keras.__version__获取。

选择以下两种方案之一，彻底避免命名空间冲突：

方案一：仅使用TensorFlow内置的Keras（推荐） #

TensorFlow 2.16+已内置Keras 3的全部功能，无需单独安装独立Keras：

1. 卸载冲突包：

   pip uninstall -y keras tensorflow
   

2. 重新安装指定版本的TensorFlow：

   pip install tensorflow==2.16.1
   

3. 修改代码，统一使用tf.keras的导入方式：

   import os
   os.environ["KERAS_BACKEND"] = "tensorflow"
   
   import pandas as pd
   import pathlib
   import random
   import string
   import re
   import numpy as np
   import tensorflow as tf
   
   MAX_SEQUENCE_LENGTH = 40
   INP_VOCAB_SIZE = 15000
   
   input_vectorization = tf.keras.layers.TextVectorization(
       max_tokens=INP_VOCAB_SIZE,
       output_mode="int",
       output_sequence_length=MAX_SEQUENCE_LENGTH
   )
   

4. 若需查看版本，使用tf.keras.__version__代替keras.__version__。

方案二：仅使用独立版Keras #

若倾向于使用独立Keras，需确保导入的是独立库而非TensorFlow内置模块：

1. 卸载冲突包：

   pip uninstall -y keras tensorflow
   

2. 重新安装独立Keras和TensorFlow（TensorFlow作为后端依赖）：

   pip install keras==3.1.1 tensorflow==2.16.1
   

3. 修改代码，使用独立Keras的正确导入方式：

   import os
   os.environ["KERAS_BACKEND"] = "tensorflow"
   
   import pandas as pd
   import pathlib
   import random
   import string
   import re
   import numpy as np
   import keras
   from keras.layers import TextVectorization
   
   MAX_SEQUENCE_LENGTH = 40
   INP_VOCAB_SIZE = 15000
   
   input_vectorization = TextVectorization(
       max_tokens=INP_VOCAB_SIZE,
       output_mode="int",
       output_sequence_length=MAX_SEQUENCE_LENGTH
   )
   

4. 查看版本可直接使用keras.__version__。

• 不要同时混用import keras和import tf.keras，否则会持续出现命名空间冲突；
• 建议使用虚拟环境安装依赖，避免全局环境依赖混乱。

内容的提问来源于stack exchange，提问作者Leila Saxby