TensorFlow Keras导入segmentation-models提示keras.legacy模块不存在如何解决
问题原因
segmentation-models 0.2.1版本默认依赖独立的Keras 2.3.x版本,该版本存在keras.legacy模块。而TensorFlow 2.4+内置的tf.keras已经将legacy模块移除,同时混用独立Keras和tf.keras会产生版本冲突,就是你之前降级方案遇到的问题。
解决方案(无需降级TensorFlow)
方案1:使用官方适配tf.keras的调用方式(推荐)
操作步骤:
- 先卸载已安装的旧版本segmentation-models
!pip uninstall -y segmentation-models - 安装1.0.1及以上版本的segmentation-models,该版本已原生支持tf.keras
!pip install -U segmentation-models>=1.0.1 - 导入segmentation-models之前,先设置环境变量指定框架为tf.keras
import os os.environ["SM_FRAMEWORK"] = "tf.keras" import tensorflow as tf import segmentation_models as sm - 验证配置是否生效:执行
print(sm.framework),输出为tf.keras即为配置正确
方案2:临时兼容修复(适用于必须使用0.2.1版本的场景)
如果因为业务需求不能升级segmentation-models版本,可以在导入前手动做模块映射,跳过版本适配问题:
import tensorflow.keras as keras import sys # 将全局的keras模块指向tf.keras sys.modules["keras"] = keras # 手动补全缺失的legacy模块 keras.legacy = type('dummy_legacy', (), {})() from tensorflow.keras.utils import register_keras_serializable keras.legacy.interfaces = type('dummy_interfaces', (), {'register_serializable': register_keras_serializable})() # 之后再导入segmentation-models即可 import segmentation_models as sm
注意事项
- 两种方案都不需要单独安装独立的Keras包,避免和tf.keras产生冲突
- 导入环境变量的代码必须放在import segmentation_models之前执行,否则配置不生效
内容的提问来源于stack exchange,提问作者Tushar Tiwari
相关产品推荐
相关产品推荐

