求助：解决AttributeError: 'function' object has no attribute 'compile'问题

嘿，这个问题我之前踩过一模一样的坑，一眼就能看出问题所在——你把模型构建函数和模型实例用了同一个名字model，导致调用compile的时候操作的是函数本身，而不是真正的Keras模型对象。

问题根源 #

你定义的def model(input_shape):是一个Python函数，当你直接写model.compile()时，Python会认为你要调用这个函数的compile方法，但函数本身根本没有这个属性，自然就抛出了AttributeError。

修复方案 #

有两种简单的解决办法，选哪个都可以：

方案1：重命名模型构建函数

把函数名改成和实例名不冲突的，比如build_model，这样就不会混淆了：

def build_model(input_shape):
    model = keras.Sequential()
    model.add(keras.layers.LSTM(64, input_shape=(1,9), return_sequences=True))
    model.add(keras.layers.LSTM(64))
    model.add(keras.layers.Dense(64, activation='relu'))
    model.add(keras.layers.Dropout(0.3))
    model.add(keras.layers.Dense(10, activation='softmax'))
    return model

# 生成模型实例并编译
my_model = build_model((1, 9))
my_model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
my_model.summary()

方案2：先调用函数生成模型实例

如果不想改函数名，那就先调用函数得到真正的Keras模型对象，再对实例进行操作：

def model(input_shape):
    model = keras.Sequential()
    model.add(keras.layers.LSTM(64, input_shape=(1,9), return_sequences=True))
    model.add(keras.layers.LSTM(64))
    model.add(keras.layers.Dense(64, activation='relu'))
    model.add(keras.layers.Dropout(0.3))
    model.add(keras.layers.Dense(10, activation='softmax'))
    return model

# 先调用函数拿到模型实例
trained_model = model((1, 9))
trained_model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
trained_model.summary()

额外小提示 #

顺便提一句，你的输出层用了10个神经元+softmax（适合多分类），但损失函数用的是binary_crossentropy（适合二分类），这可能不匹配哦：

• 如果是二分类任务：输出层改成1个神经元+sigmoid激活，损失保持binary_crossentropy
• 如果是10分类任务：损失换成categorical_crossentropy（标签是one-hot编码）或者sparse_categorical_crossentropy（标签是整数编码）

内容的提问来源于stack exchange，提问作者Coley