ImageAI流水线TensorFlow依赖导入错误全局解决方法咨询

• 方案1：业务代码入口添加导入别名（零修改第三方库源码，最推荐）
  无需修改.venv目录下的任何第三方文件，只需要在你自己项目的入口代码最顶部添加如下代码即可：

import sys
import tensorflow.keras.layers.normalization as tf_keras_norm
# 映射旧的keras导入路径到tensorflow内置的keras模块
sys.modules['keras.layers.normalization'] = tf_keras_norm

原理是直接修改Python的模块导入缓存，所有后续引用keras.layers.normalization路径的代码都会自动指向TensorFlow内置的keras对应模块，全局生效。

• 方案2：批量替换第三方库源码的导入语句
  如果需要永久修正imageai库的代码问题，可以用全局查找替换批量处理：
  • Windows环境：用VS Code打开.venv目录下的site-packages/imageai文件夹，全局查找关键字from keras.layers.normalization import，一键批量替换为from tensorflow.keras.layers.normalization import即可覆盖所有相关文件。
  • Linux/macOS环境：直接用命令行批量替换：

  # 先进入你的虚拟环境对应的imageai安装目录
  cd /path/to/your/.venv/lib/python3.9/site-packages/imageai
  # 批量替换所有匹配的导入语句
  grep -r "from keras.layers.normalization import" . | cut -d: -f1 | xargs sed -i 's/from keras.layers.normalization import/from tensorflow.keras.layers.normalization import/g'
  

• 方案3：调整依赖版本适配
  不想改代码的话可以直接降级依赖到兼容版本：把keras降级到2.3.x版本，或者安装适配了TensorFlow 2.x的新版ImageAI分支，也能直接解决导入冲突。

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