tensorflow.keras与from tensorflow import keras导入差异及安装问题

from tensorflow import keras 和 tf.keras 完全等价，二者指向内存中同一个Keras模块对象。
你之前使用的from tensorflow.keras.losses import Loss导入失败，不是安装故障，是TensorFlow 2.16及以上版本调整了Keras的加载逻辑：默认采用懒加载机制，导入TensorFlow时不会自动递归挂载keras下的所有子模块路径，必须先显式执行from tensorflow import keras触发Keras模块的初始化加载，加载完成后再使用tensorflow.keras.xxx形式的路径导入子模块就不会报错。

验证逻辑：

import tensorflow as tf
# 未显式加载keras前，直接访问tf.keras下的深层子模块会触发AttributeError
# print(tf.keras.losses.Loss)

from tensorflow import keras
# 加载完成后可验证二者同一性
print(keras is tf.keras)  # 固定返回True
# 此时再导入深层子模块可正常运行
from tensorflow.keras.losses import Loss

• 适配逻辑不同：tf.keras是TensorFlow官方内置、随TensorFlow版本同步发布的定制版Keras，和TensorFlow的算子实现、分布式训练框架、序列化体系、硬件加速栈（GPU/TPU/端侧芯片）深度绑定，做了专属性能优化；通过pip install keras单独安装的是Keras 3之后的多后端通用版本，支持切换TensorFlow、PyTorch、JAX作为计算后端，不会针对某一个框架做深度定制。
• 版本匹配规则不同：tf.keras的版本和当前安装的TensorFlow版本严格对应，不存在版本错配问题；独立安装的Keras需要单独匹配后端框架版本，混用tf.keras和独立Keras的接口很容易出现模型加载失败、算子不兼容、训练精度异常等问题。
• 功能范围不同：tf.keras包含大量TensorFlow专属API，比如和tf.data流水线深度整合的工具类、TFLite转换配套接口、部分实验性定制层，这些功能在多后端通用版Keras中没有提供。

你通过pip install tensorflow执行的安装没有异常，上述导入差异是新版本的默认设计，不属于安装损坏。
如果想恢复旧版本直接导入tensorflow.keras深层子模块的使用习惯，只需要在项目所有导入逻辑的最前面先执行一行from tensorflow import keras即可，不需要重装或者降级TensorFlow。如果偏好旧版的自动加载逻辑，也可以选择安装2.15及更早的TensorFlow版本，这些版本导入时会自动挂载keras全量子模块路径。

内容的提问来源于stack exchange，提问作者deckard