TensorFlow2.5.0导入keras与segmentation_models报AttributeError求助

报错的核心原因是环境中依赖版本不兼容：

• TensorFlow 2.5.0 内置的 tf.keras 版本为 2.5.x，而你单独安装的独立 Keras 版本为 2.3.1，二者接口不匹配
• segmentation-models 1.0.1 默认调用独立 Keras 的旧接口，populate_dict_with_module_objects 是高版本 Keras 才有的方法，在 2.3.1 版本中不存在

提供两种可落地的方案，二选一即可：

方案1：适配现有TensorFlow 2.5.0环境（无需降级TF，推荐） #

1. 先卸载不兼容的独立低版本Keras

pip uninstall keras -y

2. 调整导入代码，在导入segmentation_models之前先指定其使用的框架为TF内置的tf.keras，同时将所有Keras相关导入替换为tf.keras下的模块，修改后完整导入代码如下：

import tensorflow as tf
import glob
import cv2
import os
import numpy as np
from matplotlib import pyplot as plt

# 必须在导入segmentation_models之前设置环境变量
os.environ['SM_FRAMEWORK'] = 'tf.keras'
import segmentation_models as sm

from tensorflow.keras.utils import normalize
from tensorflow.keras.metrics import MeanIoU

方案2：使用兼容的旧版本组合 #

如果你的业务代码必须依赖独立Keras，可以统一降级到匹配的版本组合：

1. 先卸载冲突的依赖包

pip uninstall tensorflow tensorflow-gpu keras segmentation-models efficientnet image-classifiers -y

2. 安装经过验证的兼容版本

pip install tensorflow==2.1.0
pip install keras==2.3.1
pip install segmentation-models==1.0.1

你当前环境的numpy版本为1.19.5，刚好符合该版本组合的要求，无需额外调整。

验证 #

修改完成后重启Python内核，重新运行导入代码即可解决报错。

内容的提问来源于stack exchange，提问作者DevanDev