Блог

Я получаю вышеупомянутую ошибку при выполнении приведенного ниже кода. Я пытаюсь разобраться в приведенном ниже руководстве по реализации нейронной сети tensorflow. https://www.datacamp.com/community/tutorials/tensorflow-tutorial

 def load_data(data_directory):
directories = [d for d in os.listdir(data_directory) 
               if os.path.isdir(os.path.join(data_directory, d))]
labels = []
images = []
for d in directories:
    label_directory = os.path.join(data_directory, d)
    file_names = [os.path.join(label_directory, f) 
                  for f in os.listdir(label_directory) 
                  if f.endswith(".ppm")]
    for f in file_names:
        images.append(skimage.data.imread(f))
        labels.append(int(d))
return images, labels

import os
import skimage
from skimage import transform
from skimage.color import rgb2gray
import numpy as np
import keras
from keras import layers
from keras.layers import Dense
ROOT_PATH = "C://Users//Jay//AppData//Local//Programs//Python//Python37//Scriptcodes//BelgianSignals"
train_data_directory = os.path.join(ROOT_PATH, "Training")
test_data_directory = os.path.join(ROOT_PATH, "Testing")

images, labels = load_data(train_data_directory)


# Print the `labels` dimensions
print(np.array(labels))

# Print the number of `labels`'s elements
print(np.array(labels).size)

# Count the number of labels
print(len(set(np.array(labels))))

# Print the `images` dimensions
print(np.array(images))

# Print the number of `images`'s elements
print(np.array(images).size)

# Print the first instance of `images`
np.array(images)[0]

images28 = [transform.resize(image, (28, 28)) for image in images]

images28 = np.array(images28)

images28 = rgb2gray(images28)

# Import `tensorflow` 
import tensorflow as tf 

# Initialize placeholders 
x = tf.placeholder(dtype = tf.float32, shape = [None, 28, 28])
y = tf.placeholder(dtype = tf.int32, shape = [None])

# Flatten the input data
images_flat = tf.keras.layers.flatten(x)

# Fully connected layer 
logits = tf.contrib.layers.dense(images_flat, 62, tf.nn.relu)

# Define a loss function
loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(labels = y, 
                                                                    logits = logits))
# Define an optimizer 
train_op = tf.train.AdamOptimizer(learning_rate=0.001).minimize(loss)

# Convert logits to label indexes
correct_pred = tf.argmax(logits, 1)

# Define an accuracy metric
accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))
  

Сначала я использовал tf.layers.flatten (x), как в руководстве. однако в будущих версиях он будет обесценен. Поэтому добавьте keras вместо этого, как предложено.

Я получаю следующий вывод в консоли ожидания.

ПЕРЕЗАПУСТИТЬ: C:UsersJayAppDataLocalProgramsPythonPython37ScriptcodesSecondTensorFlow.py Используя серверную часть TensorFlow.

Предупреждение (из модуля предупреждений): Файл «C:UsersJayAppDataLocalProgramsPythonPython37libsite-packagesskimagetransform_warps.py», строка 105 предупреждает («Режим по умолчанию, ‘constant’, будет изменен на ‘reflect’ в » Предупреждение пользователя: режим по умолчанию, ‘constant’, будет изменен на ‘reflect’ в skimage 0.15.

Предупреждение (из модуля предупреждений): Файл «C:UsersJayAppDataLocalProgramsPythonPython37libsite-packagesskimagetransform_warps.py», строка 110 предупреждает («Сглаживание будет включено по умолчанию в skimage 0.15 до » Предупреждение пользователя: сглаживание будет включено по умолчанию в skimage 0.15, чтобы избежать артефактов сглаживания при уменьшении выборки изображений.

Обратная трассировка (последний вызов): файл «C:UsersJayAppDataLocalProgramsPythonPython37ScriptcodesSecondTensorFlow.py «, строка 64, в

images_flat = tf.python.keras.layers.flatten(x)

Ошибка атрибута: модуль ‘tensorflow’ не имеет атрибута ‘python’

Я использую Keras версии 2.2.4, Tensorflow версии 1.13.1

Либо

from keras.layers import Flatten

и использовать

Flatten()(input)

или

просто используйте

tf.keras.layers.Flatten()(input)

Новый подход («keras как API по умолчанию») предполагает использование слоя keras tf.keras.layers.Flatten но есть небольшой нюанс, который вы, похоже, упустили (и это не было упомянуто в комментариях).

tf.keras.layers.Flatten() на самом деле возвращает объект keras layer (вызываемый), который, в свою очередь, должен быть вызван с вашим предыдущим слоем.

Итак, что-то более похожее на это:

 # Flatten the input data
flatten_layer = tf.keras.layers.Flatten()
images_flat = flatten_layer(x)
  

или, для краткости, просто:

 # Flatten the input data
images_flat = tf.keras.layers.Flatten()(x)