引言

目前無論是中文還是國外網(wǎng)站對于如何正確的導入keras，如何從tensorflow中導入keras，如何在pycharm中從tensorflow里導入keras，這幾個問題都眾說紛紜，往往是互相借鑒給出一個可用的解決方法，但沒有更進一步的解釋了。常見因為keras導入引發(fā)的問題有以下幾個：

• from tensorflow import keras: pycharm中使用keras相關的包沒有自動補全
• from tensorflow.keras.layers import Conv2D: pycharm中如此導入會發(fā)生Cannot find reference 'keras' in '__init__.py | __init__.py' 問題。

分析

首先需要說明的是上面兩種問題其實并不能稱之為“問題”，因為實際上這些代碼都是可以運行的，并且如果在pycharm自帶的python console里執(zhí)行這些問題也都是不存在的， 只是由于編譯器自帶的bug5使得這些現(xiàn)象一再發(fā)生。如果您只是要求代碼能運行即可，那可以關閉頁面大膽的繼續(xù)編程了，但要是想要解決這些不便，可以繼續(xù)看下去。

解決方法

首先給出這些問題的解決方法：

使用如下方式導入keras：

from tensorflow.python import keras

不從tensorflow里導入keras:

import keras

不導入keras，改用tf.keras.xxx來使用keras的相關函數(shù)；

理論解釋

首先我們要明確一個概念，keras只是一個前端的API，其后端的計算都要基于現(xiàn)有的計算引擎，比如Theano或者Tensorflow1，而如今Tensorflow已經(jīng)成為了Keras的默認后端，后者也成為了前者的官方高級API，也就意味著當我們安裝2.0+版本的Tensorflow時實際會自動安裝Keras2，經(jīng)筆者實測也確實如此。

 那么當我們通過不同方式來導入keras時，我們到底在導入什么，不同導入方法導入的包是否有區(qū)別呢？以下分別通過包的導入路徑及導入內(nèi)容進行具體分析，為了更好理解其中內(nèi)容，建議去學習python中import的相關知識3.

keras常用導入方法有以下幾種：

import keras
from tensorflow import keras
from tensorflow.python import keras
import tensorflow as tf
tf.keras

1. 直接導入keras

尋址到的包為venv\Lib\site-packages\keras\__init__.py，也就是找到了keras的安裝路徑，直接運行了__init__.py。但是keras這個包的init文件中并沒有顯式的導入keras包中的所有子包，只是顯式導入了一部分比如Sequetial ,Model：

from keras import models
from keras.engine.input_layer import Input
from keras.engine.sequential import Sequential
from keras.engine.training import Model

在僅導入keras的情況下，pycharm窗口中我們無法使用其他的代碼自動補全，比如keras.optimizers等等。但值得注意的是，剛剛我說的是沒有“顯式導入”，而實際上顯式導入的這些py文件本身其實又導入了大部分keras所包含的函數(shù)，這就使得雖然我們寫出keras.optimizers這樣的語句在pycharm中無法不全、高亮，但運行起來是沒有問題的，而在python console中運行也能夠自動補全，其實這也算是pycharm的一個bug了。如果希望在窗口界面也能自動補全，就應該直接導入keras文件夾下的optimizer子文件夾：import keras.optimizer。

2. 從tensorflow里導入keras

這一方法是執(zhí)行了venv\Lib\site-packages\tensorflow\__init__.py，而該文件中的keras實際是從 keras.api._v2 中導入了keras，執(zhí)行了\venvLib\site-packages\keras\api\_v2\keras\_init.py，而再進一步的查看它實際也只是個空殼，進一步的調(diào)用了\venvLib\site-packages\keras\api\_v2\keras文件夾下的其他子文件夾，雖然這些文件夾看起來十分唬人，和重寫了所有方法一樣，但實際上其下只包含著__init__文件，內(nèi)容也只是from keras import xx，和1中的方?jīng)]有區(qū)別，只是個重定位而已。因此我們可以推測，在2.0+的版本里使用tf.keras.xx和keras.xx實際上是等價的，而在以前的版本是否存在區(qū)別，亦或者獨立安裝的keras是否有區(qū)別，筆者尚未去證實。

3. 從tensorflow.python里導入keras；

執(zhí)行了venv\Lib\site-packages\tensorflow\python\keras\__init__.py，這里的keras下包含了第一二種方法里導入的keras下屬函數(shù)，是對1、2中方法的重寫而不是重定位。tf.python.keras是private的，提供給開發(fā)者使用的，并不建議普通用戶來使用。

４. 不導入keras

這一方法和2是等價的，不同點在于在pycharm中使用這種方式書寫可以實現(xiàn)代碼的自動補全。

總結(jié)

這篇報錯處理花了挺長時間去搜集相關資料并且實際驗證，最終弄明白了python的import原理和keras到底是以怎樣的形式和tensorflow取得聯(lián)系，也算是個挺大的收獲，總結(jié)就是后續(xù)的代碼直接import keras即可。當然還有一些不太明晰的地方，比如tf.python.keras和keras在通用函數(shù)的實現(xiàn)方面方面是否存在區(qū)別，又有著怎樣的區(qū)別？

到此這篇關于pycharm中keras導入報錯無法自動補全cannot find reference分析的文章就介紹到這了,更多相關pycharm keras 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！