TensorFlow 2.5调用tf.keras报AttributeError 可见keras模块仍报错

这个错误的核心原因90%以上不是TensorFlow本身的版本兼容问题，而是导入路径错位、文件冲突或者环境不匹配导致的，按照下面的优先级从高到低排查基本都能解决：

第一优先级：排查脚本文件名/同目录文件冲突 #

这是新手最容易踩的隐形坑，也是同类报错的最高发根因：

• 检查你当前正在运行的测试脚本，是不是恰好命名为tensorflow.py，或者脚本所在的文件夹下，存在tensorflow.py、keras.py这类和第三方库同名的文件，甚至有同名的tensorflow空文件夹
• Python的导入逻辑会优先加载当前脚本所在目录下的同名文件，也就是说你哪怕全局装了完整的TensorFlow，运行的时候导入的是你自己写的那个空的同名脚本，自然不会存在keras子模块
• 解决方法：把你的测试脚本改成其他无冲突的名字，比如neural_net_demo.py，同时删掉同目录下__pycache__文件夹里和tensorflow、keras相关的缓存文件，再重新运行测试

第二优先级：校验脚本实际加载的TensorFlow环境 #

很多人反复执行更新、重装、版本升降级操作都没解决，本质是多Python环境的错位——你在命令行用pip装的包，和你运行脚本时调用的Python解释器根本不是同一个，所有安装操作都没作用到实际运行脚本的环境上，自然怎么试都报错。

• 在你报错的脚本最开头，把导入代码改成这样，打印实际加载的包信息：

import tensorflow as tf
print("当前加载的TensorFlow版本：", tf.__version__)
print("当前加载的TensorFlow路径：", tf.__file__)

• 跑脚本看输出：如果显示的版本不是你预期的2.5，或者路径指向了你当前写脚本的文件夹、其他不相关的Python环境路径，就说明IDE或者系统默认调用的Python解释器，根本不是你之前用pip装TensorFlow的那个解释器
• 解决方法：手动用你安装了TensorFlow2.5的Python解释器完整路径来执行脚本，比如运行C:\你的Python安装路径\python.exe 你的测试脚本路径，验证是否能正常导入，后续把IDE的解释器配置改成对应路径即可

第三优先级：清理残留的损坏安装 #

如果前面两步都排除了，说明之前的反复安装/卸载操作留下了残留的损坏包文件，导致TensorFlow的模块结构不完整：

• 依次执行卸载命令，把所有相关包卸干净，直到pip提示没有匹配的可卸载包为止：
  • pip uninstall tensorflow
  • pip uninstall tensorflow-gpu
  • pip uninstall keras
• 执行pip缓存清理命令：pip cache purge
• 重新安装指定版本的TensorFlow：pip install tensorflow==2.5.0，注意不要省略小版本号，避免pip自动拉取和你Python版本不兼容的错误安装包

补充临时验证方法：如果安装完成后还是报错，可以单独导入keras模块验证包完整性：

import keras
print(keras.__version__)

如果这行代码都报错，说明安装包本身结构存在损坏，需要按照上面的清理流程重新安装。

内容的提问来源于stack exchange，提问作者Sam Hilton-Jones