pycharm中keras導入報錯無法自動補全cannot find reference分析
引言
目前無論是中文還是國外網站對於如何正確的導入keras,如何從tensorflow中導入keras,如何在pycharm中從tensorflow裡導入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瞭。常見因為keras導入引發的問題有以下幾個:
- 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並不能稱之為“問題”,因為實際上這些代碼都是可以運行的,並且如果在pycharm自帶的python console裡執行這些問題也都是不存在的, 隻是由於編譯器自帶的bug5使得這些現象一再發生。如果您隻是要求代碼能運行即可,那可以關閉頁面大膽的繼續編程瞭,但要是想要解決這些不便,可以繼續看下去。
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裡導入keras:
import keras
不導入keras,改用tf.keras.xxx
來使用keras的相關函數;
理論解釋
首先我們要明確一個概念,keras隻是一個前端的API,其後端的計算都要基於現有的計算引擎,比如Theano或者Tensorflow1,而如今Tensorflow已經成為瞭Keras的默認後端,後者也成為瞭前者的官方高級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,經筆者實測也確實如此。
那麼當我們通過不同方式來導入keras時,我們到底在導入什麼,不同導入方法導入的包是否有區別呢?以下分別通過包的導入路徑及導入內容進行具體分析,為瞭更好理解其中內容,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
,也就是找到瞭keras的安裝路徑,直接運行瞭__init__.py
。但是keras這個包的init文件中並沒有顯式的導入keras包中的所有子包,隻是顯式導入瞭一部分比如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。但值得註意的是,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瞭大部分keras所包含的函數,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瞭。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裡導入keras
這一方法是執行瞭venv\Lib\site-packages\tensorflow\__init__.py,而該文件中的keras實際是從 keras.api._v2 中導入瞭keras,執行瞭\venvLib\site-packages\keras\api\_v2\keras\_init.py,而再進一步的查看它實際也隻是個空殼,進一步的調用瞭\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,和重寫瞭所有方法一樣,但實際上其下隻包含著__init__
文件,內容也隻是from keras import xx
,和1中的方沒有區別,隻是個重定位而已。因此我們可以推測,在2.0+的版本裡使用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別,亦或者獨立安裝的keras是否有區別,筆者尚未去證實。
3. 從tensorflow.python裡導入keras;
執行瞭venv\Lib\site-packages\tensorflow\python\keras\__init__.py,這裡的keras下包含瞭第一二種方法裡導入的keras下屬函數,是對1、2中方法的重寫而不是重定位。tf.python.keras
是private的,提供給開發者使用的,並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,不同點在於在pycharm中使用這種方式書寫可以實現代碼的自動補全。
總結
這篇報錯處理花瞭挺長時間去搜集相關資料並且實際驗證,最終弄明白瞭python的import原理和keras到底是以怎樣的形式和tensorflow取得聯系,也算是個挺大的收獲,總結就是後續的代碼直接import keras
即可。當然還有一些不太明晰的地方,比如tf.python.keras
和keras在通用函數的實現方面方面是否存在區別,又有著怎樣的區別?
到此這篇關於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瞭,更多相關pycharm keras 內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- 一文讓你秒懂精通pip並快速體驗深度學習應用【建議收藏】
- tensorflow2.0教程之Keras快速入門
- R語言基於Keras的MLP神經網絡及環境搭建
- 關於keras中的Reshape用法
- Python深度學習之實現卷積神經網絡