Colab切换GPU运行时导入keras.optimizers.Adam报模块不存在错误

• Colab切换CPU/GPU运行时会完全重置容器环境，之前在CPU环境手动安装的Keras 2.2.4会被直接清除，恢复为环境默认预装的依赖版本。
• 当前Colab GPU运行时默认预装Keras 3.x版本，该版本重构了优化器模块：标准Adam类已迁移至keras.optimizers.legacy子路径下，直接从keras.optimizers导入必然触发ImportError。
• Keras 2.2.4是TensorFlow 1.x生态的适配版本，和GPU环境默认预装的TensorFlow 2.x+高版本存在API、依赖双重冲突，直接安装指定版本Keras也无法正常运行。

所有操作必须在切换到GPU运行时后执行，切换环境前的安装操作都会被重置失效：

1. 先卸载环境预装的高版本冲突依赖：

!pip uninstall -y keras tensorflow tf-keras tensorflow-estimator

2. 安装和Keras 2.2.4完全兼容的GPU版TensorFlow 1.15（该版本为Keras 2.2.4适配的最高TF稳定版，支持CUDA算力调用）：

!pip install tensorflow-gpu==1.15.0

3. 强制安装指定版本的Keras 2.2.4：

!pip install keras==2.2.4 --no-deps

4. 执行命令重启运行时，让旧版本依赖生效（安装低版本TF后必须重启，否则会加载残留的高版本动态库报错）：

import os
os.kill(os.getpid(), 9)

5. 运行时重启后，重新执行导入代码即可正常运行，可通过以下代码验证GPU是否正常加载：

from keras.optimizers import Adam
import keras.backend as K
# 输出可用GPU设备列表
print("可用GPU设备：", K.tensorflow_backend._get_available_gpus())

如果输出内容包含/device:GPU:0字样，说明GPU算力已经正常挂载，可以启动长周期训练任务。

• 不要在CPU环境提前安装上述依赖，切换GPU环境后所有自定义安装包都会被清除，必须在GPU环境初始化完成后再执行安装命令。
• 安装完成后不要执行任何升级TensorFlow、Keras的操作，否则会覆盖指定版本，复现导入错误。
• 如果安装过程中出现h5py等依赖版本报错，可补充安装兼容版本：!pip install h5py==2.10.0，再重启运行时即可。

内容的提问来源于stack exchange，提问作者Alejandro Del Pozzo Escalera