TensorFlow搭建LSTM代码报错cached_per_instance属性缺失求助
问题根因
该错误是TensorFlow内置Keras模块的API版本不匹配导致的,通常由三个原因触发:本地同时安装了独立Keras包引发版本冲突、TensorFlow版本和内置tf.keras版本不兼容、包安装过程中文件损坏导致API缺失。
解决步骤
- 首先卸载本地独立安装的Keras包,避免两个Keras版本冲突:
执行命令:pip uninstall -y keras
如果你用conda管理环境,执行:conda remove -y keras - 第二步重装匹配版本的TensorFlow,建议选择2.7~2.10之间的长期支持版本,这个区间的版本tf.keras API稳定性最高:
比如安装2.8.0版本:pip install tensorflow==2.8.0 - 第三步重启Python运行环境,不管你用的是Jupyter、Pycharm还是其他编辑器,都完全关闭后重新启动,清除之前的模块导入缓存。
- 完成以上步骤后直接运行你现有的代码即可,你当前的导入语句
from tensorflow.keras.models import Sequential本身符合规范,不需要额外修改。
补充小提示:你的代码中第二个LSTM层不需要再写
input_shape参数,只有第一个层级需要指定输入形状,不影响运行但可以优化代码规范。
临时规避方案(不推荐长期使用)
如果你暂时不想更换TensorFlow版本,可以在所有导入语句最前面加以下代码,手动补全缺失的属性:
import tensorflow.python.keras.utils.layer_utils as layer_utils from functools import lru_cache # 手动补全缺失的cached_per_instance属性 if not hasattr(layer_utils, 'cached_per_instance'): layer_utils.cached_per_instance = lru_cache(maxsize=None)
内容的提问来源于stack exchange,提问作者Crayfi
相关产品推荐
相关产品推荐

