pycharm中keras导入报错分析（无法自动补全，cannot find reference）

文章目录

• 引言
• 分析
• • 解决方法
  • 理论解释
  • • 1. 直接导入keras；
    • 2. 从tensorflow里导入keras
    • 3. 从tensorflow.python里导入keras；
    • ４. 不导入keras
• 总结
• 参考文献

引言

 目前无论是中文还是国外网站对于如何正确的导入keras，如何从tensorflow中导入keras，如何在pycharm中从tensorflow里导入keras，这几个问题都众说纷纭，往往是互相借鉴给出一个可用的解决方法，但没有更进一步的解释了。常见因为keras导入引发的问题有以下几个：

1. from tensorflow import keras: pycharm中使用keras相关的包没有自动补全
2. from tensorflow.keras.layers import Conv2D: pycharm中如此导入会发生Cannot find reference 'keras' in '__init__.py | __init__.py'问题。

分析

 首先需要说明的是上面两种问题其实并不能称之为“问题”，因为实际上这些代码都是可以运行的，并且如果在pycharm自带的python console里执行这些问题也都是不存在的， 只是由于编译器自带的bug¹使得这些现象一再发生。如果您只是要求代码能运行即可，那可以关闭页面大胆的继续编程了，但要是想要解决这些不便，可以继续看下去。

解决方法

 首先给出这些问题的解决方法：

1. 使用如下方式导入keras:
   from tensorflow.python import keras
2. 不从tensorflow里导入keras:
   import keras
3. 不导入keras，改用tf.keras.xxx来使用keras的相关函数；

理论解释

 首先我们要明确一个概念，keras只是一个前端的API，其后端的计算都要基于现有的计算引擎，比如Theano或者Tensorflow²，而如今Tensorflow已经成为了Keras的默认后端，后者也成为了前者的官方高级API，也就意味着当我们安装2.0+版本的Tensorflow时实际会自动安装Keras³，经笔者实测也确实如此。
 那么当我们通过不同方式来导入keras时，我们到底在导入什么，不同导入方法导入的包是否有区别呢？以下分别通过包的导入路径及导入内容进行具体分析，为了更好理解其中内容，建议去学习python中import的相关知识⁴.

 keras常用导入方法有以下几种

import keras
from tensorflow import keras
from tensorflow.python import keras
import tensorflow as tf
tf.keras

1. 直接导入keras；

寻址到的包为venv\Lib\site-packages\keras\__init__.py，也就是找到了keras的安装路径，直接运行了__init__.py。但是keras这个包的init文件中并没有显式的导入keras包中的所有子包，只是显式导入了一部分比如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

在仅导入keras的情况下，pycharm窗口中我们无法使用其他的代码自动补全，比如keras.optimizers等等。但值得注意的是，刚刚我说的是没有“显式导入”，而实际上显式导入的这些py文件本身其实又导入了大部分keras所包含的函数，这就使得虽然我们写出keras.optimizers这样的语句在pycharm中无法不全、高亮，但运行起来是没有问题的，而在python console中运行也能够自动补全，其实这也算是pycharm的一个bug了。如果希望在窗口界面也能自动补全，就应该直接导入keras文件夹下的optimizer子文件夹：import keras.optimizer。

2. 从tensorflow里导入keras

这一方法是执行了venv\Lib\site-packages\tensorflow\__init__.py，而该文件中的keras实际是从 keras.api._v2 中导入了keras，执行了\venvLib\site-packages\keras\api\_v2\keras\_init.py，而再进一步的查看它实际也只是个空壳，进一步的调用了\venvLib\site-packages\keras\api\_v2\keras文件夹下的其他子文件夹，虽然这些文件夹看起来十分唬人，和重写了所有方法一样，但实际上其下只包含着__init__文件，内容也只是from keras import xx，和1中的方没有区别，只是个重定位而已。因此我们可以推测，在2.0+的版本里使用tf.keras.xx和keras.xx实际上是等价的，而在以前的版本是否存在区别，亦或者独立安装的keras是否有区别，笔者尚未去证实。

3. 从tensorflow.python里导入keras；

执行了venv\Lib\site-packages\tensorflow\python\keras\__init__.py，这里的keras下包含了第一二种方法里导入的keras下属函数，是对1、2中方法的重写而不是重定位。而从⁵中回答可知，tf.python.keras是private的，提供给开发者使用的，并不建议普通用户来使用。

总结起来的话，1和2是等价的，3是独立的，查阅资料的说法是第三种方法不推荐使用，是供开发者使用的，后续更新可能随时修改，官方建议的用法是第二种。

４. 不导入keras

 这一方法和2是等价的，不同点在于在pycharm中使用这种方式书写可以实现代码的自动补全。

总结

 这篇报错处理花了挺长时间去搜集相关资料并且实际验证，最终弄明白了python的import原理和keras到底是以怎样的形式和tensorflow取得联系，也算是个挺大的收获，总结就是后续的代码直接import keras即可。当然还有一些不太明晰的地方，比如tf.python.keras和keras在通用函数的实现方面方面是否存在区别，又有着怎样的区别？

参考文献

---

1. PyCharm doesn’t resolve anything under tensorflow.keras ↩︎

2. TensorFlow 2.0中的tf.keras和Keras有何区别？ ↩︎

3. How To Install Keras And TensorFlow ↩︎

4. 关于Python的import机制原理 ↩︎

5. What is the difference between tf.keras and tf.python.keras? ↩︎