TensorFlow报无gfile属性，替换为tf.io.gfile后仍报错如何解决

按优先级从高到低排查：

• 确认运行环境的TensorFlow版本匹配
  先在运行代码的最开头执行以下命令打印当前实际加载的TF版本：

  import tensorflow as tf
  print(tf.__version__)
  

  • 如果版本是1.14及更早的1.x版本：tf.io.gfile还没被加入正式API，硬改写法必然报错。两种解决方式：要么升级TensorFlow到1.15及以上版本（1.15是1.x最终版，同时兼容tf.gfile和tf.io.gfile两种写法），要么用跨版本兼容写法适配：

    # 跨版本兼容gfile调用
    if hasattr(tf, 'io') and hasattr(tf.io, 'gfile'):
        gfile = tf.io.gfile
    else:
        gfile = tf.gfile
    
    with gfile.GFile(PATH_TO_CKPT, 'rb') as fid:
        # 后续读取ckpt的逻辑
        pass
    

  • 如果版本是2.x系列但还是报错，继续往下排查。
• 排查本地文件命名冲突
  检查你的项目代码目录下，是否存在命名为tensorflow.py或者io.py的自定义文件。这类同名文件会覆盖Python官方包的导入路径，导致加载的不是真正的TensorFlow模块，自然找不到对应属性。如果存在这类文件直接重命名为非冲突名称，同时删除目录下自动生成的__pycache__缓存文件夹后重跑代码。
• 排查解释器/虚拟环境匹配问题
  如果你使用conda、venv等虚拟环境，大概率是你安装TensorFlow 2.x的环境，和你运行代码时选择的Python解释器不是同一个。执行以下代码打印TensorFlow的实际安装路径确认：

  import tensorflow as tf
  print(tf.__path__)
  

  如果打印出的路径不属于你预期安装TF2.x的环境目录，在IDE/终端里切换到对应正确的虚拟环境再运行代码即可。
• 排查TensorFlow包安装损坏/混装问题
  如果同时安装了tensorflow、tensorflow-gpu、tensorflow-cpu多个不同版本的包，或者安装过程中出现文件缺失，也会导致API不全。执行以下命令彻底卸载所有TF相关包后重新安装官方对应版本即可：

  pip uninstall -y tensorflow tensorflow-gpu tensorflow-cpu tf-nightly
  # 安装你需要的对应版本，比如2.10.0
  pip install tensorflow==2.10.0
  

如果你是跑基于TensorFlow Object Detection API的老目标检测项目，这类项目大多原生适配TF1.x，仅修改gfile一处API无法解决所有兼容问题，建议直接使用TF1.15版本配合兼容模式运行，减少额外适配成本。

内容的提问来源于stack exchange，提问作者Ali