使用tf.estimator.Estimator运行CNN教程时遇AttributeError问题求助

你遇到的这个错误大概率和导入方式、环境一致性或者TensorFlow安装的正确性有关，我来帮你一步步排查解决：

1. 先确认你的导入语句是否正确 #

首先，确保你是用标准方式导入TensorFlow：

import tensorflow as tf

之后再调用tf.estimator.Estimator——如果你的代码里用了其他导入方式（比如只导入了tensorflow的子模块），就会出现找不到estimator属性的问题。

2. 检查当前运行环境的TensorFlow版本 #

有时候你用pip3 install --upgrade tensorflow升级的版本，和当前运行代码的Python环境不是同一个，导致实际用的还是旧版本。

在你的代码开头加上这两行，运行看看：

import tensorflow as tf
print(tf.__version__)

如果输出的版本低于1.13（estimator正式进入核心API的版本），说明你的升级操作没作用到当前环境。

3. 验证TensorFlow安装的完整性 #

运行以下命令，查看当前环境安装的TensorFlow相关包：

pip3 list | grep tensorflow

你需要看到tensorflow（标准包）在列表里，而不是tensorflow-lite、tensorflow-core这类精简版——这些版本是没有tf.estimator模块的。如果是这类精简版，卸载后重新安装标准TensorFlow：

pip3 uninstall tensorflow-lite
pip3 install --upgrade tensorflow

4. 确保Python环境与pip工具匹配 #

很多时候系统里会同时存在Python2和Python3，或者多个虚拟环境，导致pip3安装的包和你运行代码用的python/python3不属于同一个环境。

运行这两个命令，查看路径是否一致：

which python3
which pip3

如果路径不一样，说明你用的Python环境和pip不是同一个，需要切换到正确的环境，或者用python3 -m pip install --upgrade tensorflow来确保安装到当前运行的环境里。

5. 特殊情况：TensorFlow 2.x中的兼容问题 #

如果你安装的是TensorFlow 2.x版本，tf.estimator依然是可用的，但如果你的代码是基于TF1.x的教程，偶尔会出现兼容问题，这时候可以尝试改用兼容模块的写法：

mnist_classifier = tf.compat.v1.estimator.Estimator(
    model_fn=cnn_model_fn,
    model_dir="/tmp/mnist_convnet_model"
)

最后，如果是在Jupyter Notebook这类交互式环境中，升级TensorFlow后记得重启内核，否则环境还是会加载旧版本的库。

内容的提问来源于stack exchange，提问作者felipe