导入tensorflow_hub无法从keras.layers导入normalization报错求助

两个报错的核心触发原因是TensorFlow生态依赖版本不匹配：

• 你当前安装的tensorflow-hub 0.12.0与tensorflow 2.8.0存在API兼容冲突：旧版tensorflow-hub依赖的tensorflow.python.keras.layers.normalization接口在TensorFlow 2.6及之后版本调整了导入路径，导致tensorflow_hub导入直接失败，后续name 'hub' is not defined是导入失败引发的连带问题。
• 额外注意：你环境中tensorflow-estimator 2.4.0和TensorFlow主版本2.8.0版本差过大，即使修复导入问题，后续模型训练阶段也会触发其他兼容报错。

提供两种可直接落地的方案，优先选择第一种永久修复。

方案一：对齐依赖版本（永久修复） #

1. 打开当前Anaconda环境对应的命令行，先卸载存在冲突的依赖包：

pip uninstall -y tensorflow tensorflow-estimator tensorflow-hub tensorflow-addons

2. 安装版本匹配的稳定依赖组合，对应TensorFlow 2.8的兼容版本如下：

pip install tensorflow==2.8.0 tensorflow-estimator==2.8.0 tensorflow-hub==0.13.0 tensorflow-addons==0.16.1

如果安装过程中下载速度慢，可以在命令末尾追加国内PyPI镜像参数加速。
3. 修复完成后重启Python运行内核，先执行导入验证：

import tensorflow as tf
import tensorflow_hub as hub
print("TF version:", tf.__version__)
print("TF-Hub version:", hub.__version__)

无导入报错即可正常运行后续BERT预处理、模型构建代码。

方案二：临时补丁修复（不想重装依赖时使用） #

如果不想调整现有包版本，可以在导入tensorflow_hub前手动添加兼容别名，修复导入路径问题，在代码最开头加入以下代码即可：

import tensorflow as tf
# 手动补全旧版tfhub依赖的API路径
from tensorflow.python.keras.layers import normalization
normalization.Normalization = tf.keras.layers.Normalization

# 之后再导入tensorflow_hub
import tensorflow_hub as hub

该方法可以快速解决当前导入报错，但长期运行仍可能出现其他版本兼容问题，建议优先使用方案一。

运行BERT文本分类教程时，确保所有TensorFlow相关包的大版本和主包tensorflow保持一致，避免出现跨版本API不兼容问题。

内容的提问来源于stack exchange，提问作者Whereismywall