运行代码报错Sequential对象无predict_classes属性该如何解决？

TensorFlow 2.x版本的内置tf.keras框架，以及Keras 2.3.0及以上的官方版本，已经正式移除了Sequential模型的predict_classes方法，该接口仅在老旧的TensorFlow 1.x和早期Keras版本中支持，所以调用时会触发属性不存在的报错。

原predict_classes接口的本质是先预测样本对应各类别的概率，再取概率最高的类别作为输出结果，可按照你的业务场景选择对应代码替换报错行即可：

• 二分类场景：

# 替换原报错的第一行代码即可
predict_prob = model.predict(roi, 1, verbose=0)[0]
result = str(1 if predict_prob > 0.5 else 0)

• 多分类场景：

import numpy as np
# 替换原报错的第一行代码即可
predict_prob = model.predict(roi, 1, verbose=0)[0]
result = str(np.argmax(predict_prob))

替换后后续的cv2.putText等业务代码无需调整，功能完全和原逻辑一致。

内容的提问来源于stack exchange，提问作者ace