Keras报错：'keras.src'模块无utils属性（疑似循环导入）

问题原因 #

这个错误是由Keras版本兼容性冲突或导入路径错误引发的循环导入问题，常见于Keras 3.x版本（Keras整合进TensorFlow生态后，官方导入路径发生了变更）。

修复方案 #

方案1：修正Keras导入路径 #

将原导入语句：

from keras.models import load_model

替换为TensorFlow官方推荐的导入方式：

from tensorflow.keras.models import load_model

该方案适配绝大多数场景，能有效避免独立Keras包与TensorFlow内置Keras的版本冲突。

方案2：降级Keras版本（仅特殊场景使用） #

若需坚持使用独立Keras包，可降级至2.x稳定版，执行命令：

pip install keras==2.15.0

降级后保留原导入语句即可正常运行。

方案3：排查文件命名冲突 #

确保项目目录下不存在名为keras.py的文件或keras文件夹，这类命名会导致Python优先导入本地文件，而非官方库，进而触发循环导入错误。

修复后的完整代码 #

from flask import Flask, render_template, request, jsonify
from tensorflow.keras.models import load_model  # 修正导入路径
from PIL import Image, ImageOps
import numpy as np

app = Flask(__name__)

# 加载模型与标签
model = load_model('/Users/Pratik/PycharmProjects/SIG_Project/keras_model.h55', compile=False)
class_names = open("/Users/Pratik/PycharmProjects/SIG_Project/labels.txt", "r").readlines()

# 设置置信度阈值
confidence_threshold = 0.2


@app.route('/')
def index():
    return '''
    <!DOCTYPE html>
    <html lang="en">
    <head>
        <meta charset="UTF-8">
        <meta http-equiv="X-UA-Compatible" content="IE=edge">
        <meta name="viewport" content="width=device-width, initial-scale=1.0">
        <title>Image Classifier</title>
    </head>
    <body>
        <h1>Image Classifier</h1>
        <form id="upload-form" enctype="multipart/form-data">
            <input type="file" name="file" accept="image/*">
            <button type="button" onclick="predict()">Predict</button>
        </form>
        <div id="result"></div>

        <script>
            function predict() {
                var form = document.getElementById('upload-form');
                var formData = new FormData(form);

                fetch('/predict', {
                    method: 'POST',
                    body: formData
                })
                .then(response => response.json())
                .then(data => {
                    var resultDiv = document.getElementById('result');
                    resultDiv.innerHTML = '';

                    data.forEach(prediction => {
                        var classDiv = document.createElement('div');
                        classDiv.innerHTML = `<p>Class: ${prediction.class}</p><p>Confidence Score: ${prediction.confidence.toFixed(8)}</p>`;
                        resultDiv.appendChild(classDiv);
                    });
                })
                .catch(error => console.error('Error:', error));
            }
        </script>
    </body>
    </html>
    '''


@app.route('/predict', methods=['POST'])
def predict():
    # 获取前端上传的图片
    file = request.files['file']

    # 预处理图片
    image = Image.open(file).convert("RGB")
    size = (224, 224)
    image = ImageOps.fit(image, size, Image.Resampling.LANCZOS)
    image_array = np.asarray(image)
    normalized_image_array = (image_array.astype(np.float32) / 127.5) - 1
    data = np.ndarray(shape=(1, 224, 224, 3), dtype=np.float32)
    data[0] = normalized_image_array

    # 执行预测
    prediction = model.predict(data)

    # 整理响应结果
    response = []
    for i in range(len(class_names)):
        class_name = class_names[i].strip()
        confidence_score = prediction[0][i]

        if confidence_score > confidence_threshold:
            response.append({
                'class': class_name[2:],
                'confidence': float(confidence_score)
            })

    return jsonify(response)


if __name__ == '__main__':
    app.run(debug=True)

额外注意事项 #

• 运行Flask应用时，若Jupyter默认端口被占用，可通过app.run(debug=True, port=xxxx)指定其他端口。
• 验证模型文件路径是否正确，路径错误可能间接引发导入类问题。

内容的提问来源于stack exchange，提问作者Pratik