python - 类型错误 : 'module' object is not callable.

标签 python tensorflow keras anaconda conda

系统信息
- Windows 10
- TensorFlow 后端(是/否):是
- TensorFlow版本:1.14.0
- Keras 版本:2.24
- Python版本:3.6
- CUDA/cuDNN 版本:10
- GPU 型号和内存:gtx 1050 ti

描述当前行为
我通过conda安装了tensoflow和keras。然后我尝试运行这段代码:

import tensorflow as tf
import keras
import numpy as np

model = keras.Sequential([keras.layers(units=1, input_shape=[1])])

model.compile(optimizer="sgd", loss="mean_squared_error")

x = np.array([-1, 0, 1, 2, 3, 4])
y = np.array([-3, -1, 1, 3, 5, 7])

model.fit(x, y, epochs=500)

print(model.predict([10]))`

当我运行此代码时,出现错误:

Using TensorFlow backend.
Traceback (most recent call last):
  File "C:/Users/xxx/PycharmProjects/Workspace/tensorflow/hello_world_of_nn.py", line 5, in <module>
    model = keras.Sequential([keras.layers(units=1, input_shape=[1])])
TypeError: 'module' object is not callable

当我尝试这个时:
python -c 'import keras as k; print(k.__version__)'

我收到错误:

C:\Users\xxx>python -c 'import keras as k; print(k.__version__)'
  File "<string>", line 1
    'import
          ^
SyntaxError: EOL while scanning string literal

最佳答案

这应该没问题:

import tensorflow as tf
import keras
import numpy as np

model = keras.models.Sequential([keras.layers.Dense(units=1, input_shape=[1])])

model.compile(optimizer="sgd", loss="mean_squared_error")

x = np.array([-1, 0, 1, 2, 3, 4])
y = np.array([-3, -1, 1, 3, 5, 7])

model.fit(x, y, epochs=500)

print(model.predict([10]))

请注意keras.models.Sequentialkeras.layers.Dense的用法。

关于python - 类型错误 : 'module' object is not callable.,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57562496/

相关文章:

python - 在 argparse 中指定浮点列表

python线程以最好的方式终止或杀死

python - Tensorflow 的决策森林如何处理分类数据?

python - 如何将 Float 数组/列表转换为 TFRecord?

python - 属性错误 : 'SequenceGenerator' object has no attribute 'shape' Custom Sequence Generator Keras 2. 2.4

python - 如何 reshape 文本数据以适合keras中的LSTM模型

python - 在Python中对一系列数据进行分类的最佳方法

python - kivy:使用 on_press 事件更改根小部件中嵌套按钮的颜色

python - Tensorflow数据集如何获取数据生成器的形状?

python - Keras:网络不使用 fit_generator() 进行训练