Keras模型转TensorFlow Estimator报错：'Dense'无'from_config'属性

这个错误我之前也碰到过，核心原因是你混用了独立的keras库和TensorFlow内置的tensorflow.keras模块，两者属于不同的实现体系，导致模型层的类来自不同的命名空间，在模型序列化（转Estimator必须经过序列化步骤）时出现了配置不兼容问题。

问题拆解 #

看你的代码片段：

from tensorflow import keras
import tensorflow as tf
from keras.models import Sequential
from keras.layers import Dense
classifier = keras.models.Sequential()
classifier.add(tf.layers.Dense(units = 6, kernel_initializer = keras.initializers.he_uniform(), activation = tf.nn.relu, input_shape =(11,)))

这里同时引入了独立keras库的Sequential、Dense，又用了TensorFlow的tf.layers.Dense和tensorflow.keras的Sequential，这种跨库调用会让模型的配置信息混乱，触发from_config找不到的错误。

修复方案 #

1. 统一使用TensorFlow内置Keras #

完全移除独立keras库的导入，所有Keras相关操作都基于tensorflow.keras——毕竟TensorFlow Estimator和它是原生兼容的，不会有适配问题。

修改后的导入代码：

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

2. 重构模型构建代码 #

把所有层的调用都统一为tensorflow.keras下的API，避免跨模块混用：

classifier = Sequential()
# 用tensorflow.keras的Dense层，参数也统一用对应模块的实现
classifier.add(Dense(
    units=6,
    kernel_initializer=tf.keras.initializers.HeUniform(),
    activation='relu',
    input_shape=(11,)
))
# 如果有后续层，比如输出层，也保持同样风格
classifier.add(Dense(units=1, activation='sigmoid'))

3. 正确转换为Estimator #

使用TensorFlow提供的官方转换函数，确保路径正确：

estimator = tf.keras.estimator.model_to_estimator(keras_model=classifier)

额外建议 #

• 如果你之前安装了独立的keras包，建议直接卸载它，彻底避免冲突：

  pip uninstall keras
  

• 后续写代码时，所有Keras相关的导入都要从tensorflow.keras下引入，不要同时使用两个库的API。

内容的提问来源于stack exchange，提问作者NgDriver