TensorFlow Federated报错：learning模块无algorithms属性

这个错误是因为你使用的TensorFlow Federated（TFF）版本与官方文档中的API路径不匹配导致的：

原因分析 #

tff.learning.algorithms.build_weighted_fed_avg是TFF较新版本中引入的API，而你当前安装的TFF版本尚未包含这个模块结构，因此触发了属性不存在的错误。

解决方案 #

方案1：升级到最新版TFF #

执行以下命令升级TFF到最新稳定版本，即可直接使用文档中的代码：

pip install --upgrade tensorflow-federated

方案2：适配旧版本TFF的API #

如果暂时无法升级，可使用旧版本对应的联邦平均API tff.learning.build_federated_averaging_process，注意旧版本API对model_fn的要求不同，需要返回tff.learning.Model实例，修改后的代码示例如下：

import tensorflow as tf
import tensorflow_federated as tff

def model_fn():
    model = tf.keras.models.Sequential([
        tf.keras.layers.Dense(10, tf.nn.softmax, input_shape=(784,),
                              kernel_initializer='zeros')
    ])
    # 用tff.learning.from_keras_model包装Keras模型，指定输入规格和损失函数
    return tff.learning.from_keras_model(
        model,
        input_spec=tf.TensorSpec(shape=(None, 784), dtype=tf.float32),
        loss=tf.keras.losses.SparseCategoricalCrossentropy()
    )

# 使用旧版本的联邦平均训练器构建函数
trainer = tff.learning.build_federated_averaging_process(
    model_fn,
    client_optimizer_fn=lambda: tf.keras.optimizers.SGD(0.1),
    server_optimizer_fn=lambda: tf.keras.optimizers.SGD(1.0)
)

注意：旧版本API需要显式指定server_optimizer_fn参数，同时input_spec需要匹配你的输入数据格式（示例中为MNIST数据集的输入规格）。

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