关于CNN分类网络中的keras报错问题

Question

import numpy as np
import sklearn.model_selection
import sklearn.metrics
import os
import cv2
import matplotlib.pyplot as plt
import pandas as pd
import tensorflow
import glob
import keras.layers
import keras.layers.normalization
#from tensorflow.keras.layers import normalization
from sklearn.metrics import classification_report, confusion_matrix
from sklearn.model_selection import train_test_split
import csv

发生如下报错
```python

024-10-09 13:35:12.537987: I tensorflow/core/util/port.cc:153] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `TF_ENABLE_ONEDNN_OPTS=0`.
2024-10-09 13:35:13.916814: I tensorflow/core/util/port.cc:153] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable `TF_ENABLE_ONEDNN_OPTS=0`.
Traceback (most recent call last):
  File "d:\yanjiusheng\liuliangshuju\CNN_class.py", line 11, in <module>
    import keras.layers.normalization
ModuleNotFoundError: No module named 'keras.layers.normalization'

keras和tensorflow均为最新版本

Answer 1

您遇到的报错信息表明，您的代码试图导入一个不存在的模块 keras.layers.normalization。在较新版本的 Keras（特别是从 TensorFlow 2.x 开始集成的 Keras）中，normalization 模块已经不再位于 keras.layers 下，或者其功能和命名可能已经发生了变化。

在 TensorFlow 2.x 和 Keras 的最新版本中，通常使用 tf.keras.layers.BatchNormalization 或 tf.keras.layers.LayerNormalization 等来进行层的归一化。这些归一化层应该直接从 tf.keras.layers 导入。

解决方法
更新导入语句：
如果您的代码是基于旧版本的 Keras 编写的，您需要更新归一化层的导入语句。例如，如果您想使用批量归一化，应该这样写：
python
from tensorflow.keras.layers import BatchNormalization
而不是：

python
import keras.layers.normalization # 这是错误的
检查 Keras 版本：
确保您正在使用的 Keras 版本与您的代码兼容。如果您正在使用 TensorFlow 2.x，那么您应该使用 tf.keras 而不是单独的 keras 包（除非您特意安装了与 TensorFlow 分离的 Keras 版本）。
更新代码：
如果可能，更新您的整个代码库以使用最新的 TensorFlow 和 Keras API。这将有助于避免未来的兼容性问题，并可能使您的代码更加高效和易于维护。
环境变量：
关于报错信息中提到的 oneDNN，这是一个优化库，用于加速深度学习模型的计算。如果您不希望看到关于 oneDNN 的消息，可以通过设置环境变量 TF_ENABLE_ONEDNN_OPTS=0 来禁用这些消息。但这与您的 ModuleNotFoundError 无关。
检查依赖项：
确保您的环境中安装了正确版本的 TensorFlow。您可以使用 pip show tensorflow 来检查已安装的版本。
通过应用上述建议，您应该能够解决遇到的 ModuleNotFoundError 并使您的 CNN 分类网络代码与最新版本的 Keras 兼容。
仅参考。