### 解决方案 在 TensorFlow 2.x 中，`tensorflow.keras` 是 TensorFlow 内置的 Keras 实现[^1]。如果出现 `ModuleNotFoundError: No module named 'tensorflow.keras'` 错误，可能是由于以下原因之一导致： 1. **TensorFlow 版本问题**：确保安装的是 TensorFlow 2.x 版本，因为 TensorFlow 1.x 不支持 `tensorflow.keras`。 2. **环境配置问题**：可能存在多个 Python 环境或 TensorFlow 安装冲突。 3. **Keras 模块路径更改**：从 TensorFlow 2.10 开始，`tensorflow.keras` 的模块路径发生了一些变化，可能导致部分导入方式失效[^5]。 #### 方法一：检查 TensorFlow 版本 确保已安装 TensorFlow 2.x 版本。可以通过以下代码验证： ```python import tensorflow as tf print(tf.__version__) ``` 如果版本低于 2.0，请更新 TensorFlow： ```bash pip install --upgrade tensorflow ``` #### 方法二：正确导入方式 根据官方推荐，使用以下方式导入 `tensorflow.keras`[^1]： ```python from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense from tensorflow.keras.optimizers import Adam ``` #### 方法三：解决 TensorFlow 2.10+ 的模块路径变化 从 TensorFlow 2.10 开始，某些模块路径发生了更改。例如，`tensorflow.keras.src` 被引入作为内部实现的一部分。如果直接使用 `tensorflow.keras` 导入失败，可以尝试以下方法： ```python from keras.src.models import Sequential from keras.src.layers import Dense from keras.src.optimizers import Adam ``` 这种方式适用于独立安装的 Keras（如 `keras==3.x`）。 #### 方法四：检查环境冲突 如果多次尝试仍报错，可能是因为 Python 环境中存在多个 TensorFlow 或 Keras 安装版本。建议创建一个新的虚拟环境并重新安装依赖： ```bash # 创建虚拟环境 conda create -n tf_env python=3.9 conda activate tf_env # 安装 TensorFlow 和 Keras pip install tensorflow keras ``` #### 方法五：手动修复模块路径 如果上述方法无效，可以尝试手动下载最新版本的 TensorFlow 并将其安装到指定的虚拟环境中： 1. 下载最新版本的 TensorFlow 二进制文件。 2. 将其安装到 Anaconda 的虚拟环境目录下（例如 `envs\Lib\site-packages`）。 3. 重新激活虚拟环境并测试导入是否成功。 --- ### 示例代码 以下是一个完整的示例代码，展示如何正确导入 `tensorflow.keras` 并构建一个简单的神经网络模型： ```python import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense # 构建模型 model = Sequential([ Dense(64, activation='relu', input_shape=(100,)), Dense(10, activation='softmax') ]) # 编译模型 model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy']) print(model.summary()) ``` --- ###