升级Keras与TensorFlow仍出现_register_wrapper_optimizer_cls属性错误如何解决

根因 #

该报错是代码同时混用独立Keras包与TensorFlow内置的tf.keras模块导致的版本冲突：你的导入语句中部分模块来自tf.keras，部分回调、包装类来自独立安装的keras包，二者版本不匹配就会触发该属性缺失错误。即使升级TensorFlow和Keras，只要混用问题没解决，报错就会持续出现。

修复步骤 #

• 统一所有Keras相关导入路径，全部替换为tensorflow.keras下的模块：
  找到原导入代码中这两行：

  from keras.callbacks import ModelCheckpoint, LearningRateScheduler, EarlyStopping
  from keras.wrappers.scikit_learn import KerasClassifier
  

  替换为：

  from tensorflow.keras.callbacks import ModelCheckpoint, LearningRateScheduler, EarlyStopping
  from tensorflow.keras.wrappers.scikit_learn import KerasClassifier
  

  如果你的TensorFlow版本为2.12及以上，tf.keras.wrappers已被迁移到独立的scikeras包，替换后如果报wrappers相关错误，执行pip install scikeras，再将第二行导入改为from scikeras.wrappers import KerasClassifier即可
• 卸载独立安装的Keras包，彻底避免调用冲突：
  执行命令：pip uninstall keras -y
• 修正优化器参数写法，高版本TensorFlow的Adam优化器已经弃用lr参数，改用learning_rate：
  将模型编译代码改为：

  autoenc3.compile(loss = 'mse', optimizer = Adam(learning_rate = 0.0001))
  

• 验证版本一致性，执行以下代码确认版本匹配：

  import tensorflow as tf
  print("TensorFlow版本：", tf.__version__)
  print("内置Keras版本：", tf.keras.__version__)
  

完成以上修改后重新运行代码即可解决该报错。

内容的提问来源于stack exchange，提问作者zey.s