Python3.8+TF2.5+Keras2.3.1导入LayerNormalization报错咨询

• 核心为版本不兼容+API混用：你使用的独立Keras 2.3.1仅适配TensorFlow 2.0及更早版本，与当前TensorFlow 2.5.0的内置tf.keras模块结构不匹配。TensorFlow 2.5.0中LayerNormalization的存储路径已经从旧版本的tensorflow.python.keras.layers.normalization迁移到了新路径，独立Keras 2.3.1调用旧路径就会触发导入失败。
• 代码同时混用了独立Keras（如from keras.layers import xxx）和TensorFlow内置Keras的API（如from tensorflow.python.keras.utils.np_utils import to_categorical），两种实现的底层逻辑不一致，进一步加重了冲突。

方案1（推荐）：统一使用TensorFlow内置的tf.keras #

TensorFlow 2.x版本已经内置完整的Keras实现，不需要额外安装独立Keras包，只需修改代码头部的导入语句即可解决问题。
将原导入部分：

import cv2
import os
import numpy as np
from keras.layers import Conv2D,Dropout, Flatten, Dense,MaxPooling2D, MaxPool2D
import keras.layers.normalization
#from tensorflow.keras.layers import Conv2D,Dropout, Flatten, Dense,MaxPooling2D, MaxPool2D
from keras_preprocessing.image import ImageDataGenerator
from sklearn.model_selection import train_test_split
from keras.models import Sequential
import pandas as pd
import random
from tensorflow.python.keras.utils.np_utils import to_categorical

替换为：

import cv2
import os
import numpy as np
import pandas as pd
import random
from sklearn.model_selection import train_test_split
# 全部从tf.keras导入API
from tensorflow.keras.layers import Conv2D,Dropout, Flatten, Dense,MaxPooling2D, MaxPool2D
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.models import Sequential
from tensorflow.keras.utils import to_categorical

修改后无需调整其他业务逻辑，直接运行即可，是TensorFlow 2.x的标准写法，兼容性最好。

方案2（不推荐）：降级TensorFlow版本 #

如果你必须保留独立Keras 2.3.1的用法，可以将TensorFlow降级到适配的2.0.0版本，执行以下命令即可：
pip install tensorflow==2.0.0
注意该版本仅适配CUDA 10.0，若要使用GPU加速需要同步降级CUDA版本，操作成本较高。

额外提醒：你代码中调用的preprocessing函数未在贴出的代码中定义，运行前请确认该函数已实现，否则会触发名称未定义报错。

内容的提问来源于stack exchange，提问作者Felician-Nicu Herman