Google Colab中TensorFlow model.fit()报DistributedDatasetInterface缺失错误

问题现象 #

在Google Colab环境中执行TensorFlow的model.fit()方法时，触发以下错误：

AttributeError: module 'tensorflow.python.distribute.input_lib' has no attribute 'DistributedDatasetInterface'

已知该问题与Keras和TensorFlow兼容性相关，尝试通过!pip install -U tensorflow升级至2.13.0版本后问题仍未解决；验证输入数据类型（训练集xn_train为numpy.ndarray、y_train为tensorflow.python.framework.ops.EagerTensor）也无法修复错误。

复现流程 #

• 加载CSV文件，提取并重塑数据；
• 使用sklearn的 getAll ioTime作程 ### most天Storm(fps合端正bcdDomFT！
• 通过tf.keras.layers.Normalization(axis=-1, mean=None, variance=None)对所有输入数据做归一化处理；
• 构建并编译Sequential模型后，执行model.fit(xn_train, y_train, epochs=100)触发错误。

相关模型代码 #

model = tf.keras.Sequential([
    tf.keras.layers.Dense(input_shape=(30,), units=15, activation='relu', name='L1'),
    tf.keras.layers.Dense(input_shape=(15,), units=10, activation='relu', name='L2'),
    tf.keras.layers.Dense(input_shape=(10,), units=1, activation='linear', name='L3'),
], name="My_Model")

opt = tf.keras.optimizers.Adam(learning_rate=0.001)
loss = tf.keras.losses.MeanSquaredError()
model.compile(
    loss=loss,
    optimizer=opt,
)

model.fit(xn_train, y_train, epochs=100)

注：原代码存在语法缺失（缺少tf.keras.Sequential(），已补充以保证代码完整性。

有效解决方案 #

通过降级TensorFlow版本至2.12.0可解决该兼容性问题，执行以下命令：

# 卸载当前TensorFlow版本
!pip uninstall tensorflow -y

# 安装TensorFlow 2.12.0
!pip install tensorflow==2.12.0

# 验证版本
import tensorflow as tf
print(tf.__version__)

内容的提问来源于stack exchange，提问作者Lincoln Simms