Anaconda+Spyder环境下TensorFlow.keras模块缺失问题求助

问题场景 #

在Anaconda Spyder环境中加载TF Keras模型时触发No module named 'tensorflow.keras'错误；虽能调用tensorflow.python.keras，但layers.Dense、BatchNormalization、Dropout等组件无法正常运行。当前环境版本：

tensorflow                    2.12.0
keras                         2.12.0

解决方案 #

1. 排查包依赖冲突 #

• 执行命令查看环境内已安装包，检查是否存在keras-nightly、tf-keras这类可能引发冲突的冗余包：

  conda list
  

• 若发现冗余包，立即卸载：

  # Conda卸载
  conda remove keras-nightly tf-keras
  # 或Pip卸载
  pip uninstall keras-nightly tf-keras -y
  

2. 统一使用官方推荐的导入方式 #

TensorFlow 2.x版本中，官方已将Keras整合到核心实现，单独安装的Keras会与TF内置版本产生冲突，需修改导入逻辑：

# 替换原有的tensorflow.keras/tensorflow.python.keras导入
from keras.layers import Dense, BatchNormalization, Dropout
from keras.models import load_model, save_model

• 加载模型时，确保使用keras.models.load_model()，而非TF原生保存/加载方法。

3. 构建纯净的Conda环境 #

若上述方法无效，创建全新环境避免污染：

# 创建新环境（指定Python版本适配TF 2.12.0）
conda create -n tf-keras-clean python=3.10
# 激活环境
conda activate tf-keras-clean
# 安装TensorFlow（会自动匹配对应版本的Keras）
conda install tensorflow=2.12.0

• 在Spyder中切换到新环境：工具 > 偏好设置 > Python解释器 > 选择tf-keras-clean环境的解释器

4. 验证组件可用性 #

运行测试代码确认组件正常工作：

from keras.layers import Dense, BatchNormalization, Dropout
from keras.models import Sequential

# 构建测试模型
model = Sequential()
model.add(Dense(64, activation='relu', input_shape=(10,)))
model.add(BatchNormalization())
model.add(Dropout(0.5))
model.compile(optimizer='adam', loss='mse')

print("组件加载正常，模型构建完成")

内容的提问来源于stack exchange，提问作者TorenOgg