使用Conda运行Keras代码遇AttributeError: register_tf_serializable不存在问题求助

核心问题分析 #

这个报错通常源于TensorFlow内部模块冲突、环境依赖混乱，或是导入方式混用导致的加载异常，结合你的TF/Keras 2.11.0版本和代码，主要排查方向集中在导入规范和环境完整性上。

解决方案 #

1. 统一Keras导入规范，避免混用路径

你的代码同时导入了tensorflow.keras和tensorflow.python.keras的模块，这会触发内部加载冲突。修改所有导入语句为统一的tensorflow.keras路径，并且TF 2.x中CuDNNLSTM已整合进LSTM（GPU可用时自动启用加速），无需单独导入：

from tensorflow.keras.models import Sequential, Model
from tensorflow.keras.layers import Dense, Flatten, Embedding, Input, LSTM
from tensorflow.keras.preprocessing.text import text_to_word_sequence

2. 清理环境中的冲突依赖

• 卸载单独安装的Keras包（TF 2.x已内置Keras，单独安装的包会引发版本冲突）：

  pip uninstall -y keras
  # 若用conda安装过，执行：
  conda remove keras
  

• 检查并修复TF模块完整性：运行以下代码验证TF核心模块是否正常：

  import tensorflow as tf
  print(tf.__version__)
  print(tf.keras.__version__)
  # 验证报错涉及的模块是否存在
  print(hasattr(tf.saved_model.registration, 'register_tf_serializable'))
  

  若输出True，说明TF模块完整；若仍报错，需重新安装TF。

3. 重建纯净Conda环境（终极解决办法）

如果上述步骤无效，大概率是当前环境依赖混乱，创建全新环境只安装所需版本的TF：

# 创建新环境（指定Python3.9，适配TF2.11的版本要求）
conda create -n tf_clean_env python=3.9
conda activate tf_clean_env
# 安装TF2.11.0，无需单独安装Keras
conda install tensorflow=2.11.0

之后在新环境中运行修改后的代码，即可解决冲突问题。

内容的提问来源于stack exchange，提问作者t50A