使用tensorflow.keras.layers.Normalization报错无该属性如何解决

这个报错的核心原因是TensorFlow版本和API位置不匹配，tf.keras.layers.Normalization并非被废弃，而是在不同版本中所属模块不同：

• TensorFlow 2.6及更高版本：该层正式从实验模块移入tf.keras.layers下，你看到的公开示例基本都是基于这个版本范围编写的。
• TensorFlow 2.3~2.5版本：该层属于实验性预处理层，放在tf.keras.layers.experimental.preprocessing模块下。
• TensorFlow 2.2及更低版本：未内置该层，需要手动实现逻辑。

排查步骤 #

先执行以下代码确认你当前的TensorFlow版本：

import tensorflow as tf
print(tf.__version__)

对应解决方案 #

根据你得到的版本号选择对应方案即可：

• 版本≥2.6：确认你导入layers的写法是否正确，正确导入写法为from tensorflow.keras import layers，如果是从独立keras库导入，不支持该写法，建议切换为tf.keras。
• 版本在2.3~2.5之间：将layers.Normalization()替换为layers.experimental.preprocessing.Normalization()即可正常使用，功能完全一致。
• 版本<2.3：如果无法升级TensorFlow，可以手动实现标准化逻辑，示例如下：

# 先在训练集上计算均值和方差
train_mean = train_data.mean(axis=0)
train_std = train_data.std(axis=0)

# 自定义标准化层加入Sequential
model = keras.Sequential([
    tf.keras.layers.Lambda(lambda x: (x - train_mean) / train_std),
    # 后续其他层
])

• 通用方案：如果不想关心版本差异，直接升级到最新稳定版TensorFlow即可，执行命令：
  pip install --upgrade tensorflow

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