Keras调用multi_gpu_model报TypeError: 'module' object is not callable问询

报错原因 #

当前导入语句逻辑错误：from tensorflow.keras import utils as multi_gpu_model是把整个utils模块重命名为multi_gpu_model，而模块本身不能作为函数调用，因此触发了TypeError: 'module' object is not callable报错。

对应解决方案 #

方案1：沿用原有multi_gpu_model（仅适用于TensorFlow 2.3及更早版本） #

TensorFlow 2.4及之后版本已经正式废弃multi_gpu_model接口，如果你使用的是低版本TF，直接修改导入语句即可：

# 正确导入函数，而非导入整个utils模块
from tensorflow.keras.utils import multi_gpu_model
# 调用逻辑和旧版Keras完全一致
multi_model = multi_gpu_model(myModel, gpus=args.gpus)

方案2：使用官方推荐的MirroredStrategy（兼容所有TF2.x版本，推荐） #

官方已经不再维护multi_gpu_model，推荐用分布式训练策略接口实现多GPU训练，性能和稳定性都更优，使用方法如下：

1. 初始化分布式策略

import tensorflow as tf
# 自动检测所有可用GPU，默认使用所有可见GPU做数据并行训练
strategy = tf.distribute.MirroredStrategy()

2. 在策略作用域内定义、编译模型

with strategy.scope():
    # 此处替换为你原有模型的构建、编译逻辑
    myModel = build_your_custom_model()
    myModel.compile(
        optimizer = "adam",
        loss = "your_loss_function",
        metrics = ["your_metrics"]
    )

3. 直接调用训练接口即可，不需要额外对模型做转换

# 注意：此处batch_size要设置为单卡batch_size * 可用GPU数量，保证单卡负载和单卡训练时一致
myModel.fit(train_dataset, batch_size = per_gpu_batch * args.gpus, epochs=your_epochs)

内容的提问来源于stack exchange，提问作者Rawan