pycharm故障報(bào)錯(cuò)：keras導(dǎo)入報(bào)錯(cuò)無(wú)法自動(dòng)補(bǔ)全cannot find reference無(wú)法

89542767 發(fā)布于2022-12-09 15:11 / 753人閱讀

　　小編寫(xiě)這篇文章的主要目的，就是給大家來(lái)介紹關(guān)于pycharm故障報(bào)錯(cuò)的一些相關(guān)問(wèn)題，涉及到的故障問(wèn)題有keras導(dǎo)入報(bào)錯(cuò)無(wú)法自動(dòng)補(bǔ)全，另外，還有cannot find reference無(wú)法補(bǔ)全，遇到這種問(wèn)題怎么處理呢？下面就給大家詳細(xì)解答下。

　　引言

　　目前無(wú)論是中文還是國(guó)外網(wǎng)站對(duì)于如何正確的導(dǎo)入keras，如何從tensorflow中導(dǎo)入keras，如何在pycharm中從tensorflow里導(dǎo)入keras，這幾個(gè)問(wèn)題都眾說(shuō)紛紜，往往是互相借鑒給出一個(gè)可用的解決方法，但沒(méi)有更進(jìn)一步的解釋了。常見(jiàn)因?yàn)閗eras導(dǎo)入引發(fā)的問(wèn)題有以下幾個(gè)：

　　from tensorflow import keras:pycharm中使用keras相關(guān)的包沒(méi)有自動(dòng)補(bǔ)全

　　from tensorflow.keras.layers import Conv2D:pycharm中如此導(dǎo)入會(huì)發(fā)生Cannot find reference'keras'in'__init__.py|__init__.py'問(wèn)題。

　　分析

　　首先需要說(shuō)明的是上面兩種問(wèn)題其實(shí)并不能稱(chēng)之為“問(wèn)題”，因?yàn)閷?shí)際上這些代碼都是可以運(yùn)行的，并且如果在pycharm自帶的python console里執(zhí)行這些問(wèn)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(yùn)行即可，那可以關(guān)閉頁(yè)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(wèn)題的解決方法：

　　使用如下方式導(dǎo)入keras：

　　from tensorflow.python import keras

　　不從tensorflow里導(dǎo)入keras:

　　import keras

　　不導(dǎo)入keras，改用tf.keras.xxx來(lái)使用keras的相關(guān)函數(shù)；

　　理論解釋

　　首先我們要明確一個(gè)概念，keras只是一個(gè)前端的API，其后端的計(jì)算都要基于現(xiàn)有的計(jì)算引擎，比如Theano或者Tensorflow1，而如今Tensorflow已經(jīng)成為了Keras的默認(rèn)后端，后者也成為了前者的官方高級(jí)API，也就意味著當(dāng)我們安裝2.0+版本的Tensorflow時(shí)實(shí)際會(huì)自動(dòng)安裝Keras2，經(jīng)筆者實(shí)測(cè)也確實(shí)如此。

　　那么當(dāng)我們通過(guò)不同方式來(lái)導(dǎo)入keras時(shí)，我們到底在導(dǎo)入什么，不同導(dǎo)入方法導(dǎo)入的包是否有區(qū)別呢？以下分別通過(guò)包的導(dǎo)入路徑及導(dǎo)入內(nèi)容進(jìn)行具體分析，為了更好理解其中內(nèi)容，建議去學(xué)習(xí)python中import的相關(guān)知識(shí)3.

　　keras常用導(dǎo)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(dǎo)入keras

　　尋址到的包為venvLibsite-packageskeras__init__.py，也就是找到了keras的安裝路徑，直接運(yùn)行了__init__.py。但是keras這個(gè)包的init文件中并沒(méi)有顯式的導(dǎo)入keras包中的所有子包，只是顯式導(dǎo)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(dǎo)入keras的情況下，pycharm窗口中我們無(wú)法使用其他的代碼自動(dòng)補(bǔ)全，比如keras.optimizers等等。但值得注意的是，剛剛我說(shuō)的是沒(méi)有“顯式導(dǎo)入”，而實(shí)際上顯式導(dǎo)入的這些py文件本身其實(shí)又導(dǎo)入了大部分keras所包含的函數(shù)，這就使得雖然我們寫(xiě)出keras.optimizers這樣的語(yǔ)句在pycharm中無(wú)法不全、高亮，但運(yùn)行起來(lái)是沒(méi)有問(wèn)題的，而在python console中運(yùn)行也能夠自動(dòng)補(bǔ)全，其實(shí)這也算是pycharm的一個(gè)bug了。如果希望在窗口界面也能自動(dòng)補(bǔ)全，就應(yīng)該直接導(dǎo)入keras文件夾下的optimizer子文件夾：import keras.optimizer。

　　2.從tensorflow里導(dǎo)入keras

　　這一方法是執(zhí)行了venvLibsite-packagestensorflow__init__.py，而該文件中的keras實(shí)際是從keras.api._v2中導(dǎo)入了keras，執(zhí)行了venvLibsite-packageskerasapi_v2keras_init.py，而再進(jìn)一步的查看它實(shí)際也只是個(gè)空殼，進(jìn)一步的調(diào)用了venvLibsite-packageskerasapi_v2keras文件夾下的其他子文件夾，雖然這些文件夾看起來(lái)十分唬人，和重寫(xiě)了所有方法一樣，但實(shí)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(gè)重定位而已。因此我們可以推測(cè)，在2.0+的版本里使用tf.keras.xx和keras.xx實(shí)際上是等價(jià)的，而在以前的版本是否存在區(qū)別，亦或者獨(dú)立安裝的keras是否有區(qū)別，筆者尚未去證實(shí)。

　　3.從tensorflow.python里導(dǎo)入keras；

　　執(zhí)行了venvLibsite-packagestensorflowpythonkeras__init__.py，這里的keras下包含了第一二種方法里導(dǎo)入的keras下屬函數(shù)，是對(duì)1、2中方法的重寫(xiě)而不是重定位。tf.python.keras是private的，提供給開(kāi)發(fā)者使用的，并不建議普通用戶(hù)來(lái)使用。

　　４.不導(dǎo)入keras

　　這一方法和2是等價(jià)的，不同點(diǎn)在于在pycharm中使用這種方式書(shū)寫(xiě)可以實(shí)現(xiàn)代碼的自動(dòng)補(bǔ)全。

　　總結(jié)

　　這篇報(bào)錯(cuò)處理花了挺長(zhǎng)時(shí)間去搜集相關(guān)資料并且實(shí)際驗(yàn)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(gè)挺大的收獲，總結(jié)就是后續(xù)的代碼直接import keras即可。

　　綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家?guī)?lái)幫助。