TensorFlow中'list' object has no attribute 'compile'错误求助

你的错误根源在于模型初始化的写法错误，导致my_model被赋值成了一个列表，而不是TensorFlow的Keras模型实例，自然没有compile方法。

错误的写法：

my_model = tf.keras.Sequential()([
    # 层定义...
])

正确的写法应该是把层列表直接作为参数传给Sequential构造函数，去掉多余的括号：

my_model = tf.keras.Sequential([
        tf.keras.layers.Conv2D(16, kernel_size=(3, 3),
                      activation='relu'),
        tf.keras.layers.Conv2D(32, (3, 3), activation='relu', kernel_regularizer=tf.keras.regularizers.l2(0.01),
                               bias_regularizer=tf.keras.regularizers.l1(0.01)),
        tf.keras.layers.BatchNormalization(),
        tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),
        tf.keras.layers.Dropout(0.25),
        tf.keras.layers.Flatten(),
        tf.keras.layers.Dense(64, activation='relu'),
        tf.keras.layers.Dropout(0.5),
        tf.keras.layers.Dense(num_classes, activation='softmax')
    ])
# 后续优化器和编译代码保持不变
scaled_lr = 0.00001 * hvd.size()
opt = tf.keras.optimizers.Adam(scaled_lr)
opt = hvd.DistributedOptimizer(
    opt, backward_passes_per_step=1, average_aggregated_gradients=True)

my_model.compile(loss=tf.losses.SparseCategoricalCrossentropy(),
                  optimizer=opt,
                  metrics=['accuracy'],
                  experimental_run_tf_function=False)

原因解释 #

tf.keras.Sequential()会创建一个空的Sequential模型实例，紧接着用([...])调用这个实例，相当于调用模型的__call__方法，传入的层列表会被当成输入张量的处理流程，返回的是模型输出的张量（如果有多个输出则是列表），而不是模型本身。正确的方式是直接将层列表作为参数传入Sequential的构造函数，这样得到的才是可编译的模型对象。

内容的提问来源于stack exchange，提问作者Ahmad