如何导入KerasClassifier？TensorFlow/Keras版本适配问题咨询

1. 旧导入方式失效的原因 #

TensorFlow 2.13及后续版本正式移除了keras.wrappers模块，这是官方弃用计划的一部分，原有的scikit-learn wrapper功能已迁移到独立维护的SciKeras库，因此你之前的导入路径会抛出ModuleNotFoundError。

2. 两种可选方案对比 #

方案一：切换到SciKeras（推荐长期方案） #

• 代码修改量：远小于预期，核心逻辑完全兼容，仅需修改导入路径：
  旧代码：

  from tensorflow.keras.layers.wrappers.scikit_learn import KerasClassifier
  

  新代码：

  from scikeras.wrappers import KerasClassifier
  

  后续的GridSearchCV调用、模型定义、拟合代码，甚至model.history这类历史记录的使用方式都无需改动——SciKeras完全继承了原wrapper的API设计。
• 优势：
  • 获得持续的维护更新，不会再因TensorFlow版本升级出现同类问题
  • 支持更多与scikit-learn生态集成的新特性
• 操作步骤：
  1. 安装SciKeras：pip install scikeras[tensorflow]（指定TensorFlow依赖，避免版本冲突）
  2. 替换导入语句即可，其余代码无需大规模调整

方案二：回退到TensorFlow 2.12.x版本 #

• 代码修改量：0，直接回退版本就能继续使用原有代码
• 劣势：
  • 无法使用TensorFlow 2.13及后续版本的新功能与Bug修复
  • 未来版本升级仍会遭遇同样的迁移问题，只是延迟了矛盾爆发的时间
• 操作步骤：

  pip install tensorflow==2.12.0 keras==2.12.0
  

3. 结论 #

如果时间有限，切换到SciKeras是更优选择——仅需修改导入语句，其余代码基本兼容，既不用放弃新版本特性，也能一劳永逸解决后续版本升级的问题。回退版本只是临时权宜之计，长期来看仍需面对迁移需求。

内容的提问来源于stack exchange，提问作者Tom S