Python中tf.keras对象函数类型提示报错，求正确方案及通用方法

一、当前函数的修复方案 #

你的代码报错是因为tf.keras.engine是Keras的内部私有模块，不属于公开API，版本迭代后可能被隐藏或路径变更。正确的做法是使用公开导出的KerasTensor类型：

修复后的代码 #

import pandas as pd
import tensorflow as tf
from typing import Dict

def create_input_tensors(data: pd.DataFrame) -> Dict[str, tf.keras.KerasTensor]:
    """将DataFrame的每一列转为keras张量并以字典返回"""
    tensors = {}
    for name, column in data.items():
        tensors[name] = tf.keras.Input(shape=(1, ), name=name, dtype=tf.float32)
    return tensors

或者可以先导入KerasTensor简化代码：

import pandas as pd
import tensorflow as tf
from tensorflow.keras import KerasTensor
from typing import Dict

def create_input_tensors(data: pd.DataFrame) -> Dict[str, KerasTensor]:
    """将DataFrame的每一列转为keras张量并以字典返回"""
    tensors = {}
    for name, column in data.items():
        tensors[name] = tf.keras.Input(shape=(1, ), name=name, dtype=tf.float32)
    return tensors

二、Keras对象类型提示的通用解决方案 #

1. 只使用Keras公开API中的类型
   避免直接引用带有engine、backend等字样的内部模块，这些是Keras的底层实现细节，不对外公开，版本更新时极易发生路径变化。所有需要用于类型提示的Keras对象，都应该从tf.keras或keras的顶层模块导入：

   • 模型：tf.keras.Model
   • 层：tf.keras.layers.Layer（或具体层类如tf.keras.layers.Dense）
   • 张量：tf.keras.KerasTensor、tf.Tensor

2. 通过type()确认类型后映射到公开API
   当调试时用type()看到内部类型（比如keras.engine.keras_tensor.KerasTensor），不要直接用这个路径，而是找对应的公开类型：

   • keras.engine.keras_tensor.KerasTensor → 对应公开的tf.keras.KerasTensor
   • keras.engine.training.Model → 对应公开的tf.keras.Model

3. 使用类型别名简化重复提示
   对于频繁使用的Keras类型，可以定义类型别名，提升代码可读性：

   from tensorflow.keras import KerasTensor, Model
   from typing import Dict, List
   
   # 定义类型别名
   InputTensorDict = Dict[str, KerasTensor]
   ModelList = List[Model]
   
   def process_inputs(data) -> InputTensorDict:
       # 函数实现
       pass
   

4. 兜底用tf.Tensor兼容所有张量类型
   如果不确定具体的Keras张量子类，或者需要兼容普通TensorFlow张量，可以直接用tf.Tensor作为类型提示，因为KerasTensor是tf.Tensor的子类，完全兼容。

内容的提问来源于stack exchange，提问作者Viktor