【最简单解决办法】：module ‘tensorflow.compat.v1‘ has no attribute ‘contrib‘-Toy模板网

这篇具有很好参考价值的文章主要介绍了【最简单解决办法】：module ‘tensorflow.compat.v1‘ has no attribute ‘contrib‘。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

出现错误界面

1.问题原因

2.解决办法

（1）在调用之前首先添加如下代码块并执行

（2）查找响应函数对应的函数调用前缀。

注：若出现错误也是LSTM预测，可直接复制如下代码：

最后问题解决，代码最后成功运行

anaconda下：

tensorflow版本：tensorflow2.3.0

python版本：python3.7

出现错误界面

【最简单解决办法】：module ‘tensorflow.compat.v1‘ has no attribute ‘contrib‘

1.问题原因

原因是tensorflow 2.0版本之后把contrib这个库取消了

2.解决办法

简单说法：到tensorflow官网查询相对应的函数调用方式即可。

（1）在调用之前首先添加如下代码块并执行

# import tensorflow as tf
# tf.compat.v1.reset_default_graph()

import tensorflow.compat.v1 as tf
tf.reset_default_graph()

tf.compat.v1.disable_eager_execution()

（2）查找响应函数对应的函数调用前缀。

tensorflow官网TensorFlow (google.cn)

在搜索框直接输入对应函数即可。【最简单解决办法】：module ‘tensorflow.compat.v1‘ has no attribute ‘contrib‘

以我的函数 DropoutWrapper为例：

【最简单解决办法】：module ‘tensorflow.compat.v1‘ has no attribute ‘contrib‘

直接输入红色框住部分的函数调用即可。

亲测 tf.compat.v1. 对绝大多数部分的函数都可以使用

涉及到tf调用函数的部分全部加上tf.compat.v1.

最终问题解决，代码执行成功。

注：若出现错误也是LSTM预测，可直接复制如下代码：

def lstm_cell(size_layer):
    return tf.compat.v1.nn.rnn_cell.LSTMCell(size_layer, state_is_tuple = False)

    rnn_cells = tf.compat.v1.nn.rnn_cell.MultiRNNCell(
            [lstm_cell(size_layer) for _ in range(num_layers)],
            state_is_tuple = False,
        )
    self.X = tf.compat.v1.placeholder(tf.compat.v1.float32, (None, None, size))
    self.Y = tf.compat.v1.placeholder(tf.compat.v1.float32, (None, output_size))
    drop = tf.compat.v1.nn.rnn_cell.DropoutWrapper(
            rnn_cells, output_keep_prob = forget_bias
        )
    self.hidden_layer = tf.compat.v1.placeholder(
            tf.compat.v1.float32, (None, num_layers * 2 * size_layer)
        )
    self.outputs, self.last_state = tf.compat.v1.nn.dynamic_rnn(
            drop, self.X, initial_state = self.hidden_layer, dtype = tf.compat.v1.float32
        )
    self.logits = tf.compat.v1.layers.dense(self.outputs[-1], output_size)
    self.cost = tf.compat.v1.reduce_mean(tf.square(self.Y - self.logits))
    self.optimizer = tf.compat.v1.train.AdamOptimizer(learning_rate).minimize(
            self.cost
        )

def forecast():#此处为部分代码
    tf.compat.v1.reset_default_graph()
    modelnn = Model(
        learning_rate, num_layers, df_log.shape[1], size_layer, df_log.shape[1], dropout_rate
    )
    sess = tf.compat.v1.InteractiveSession()
    sess.run(tf.compat.v1.global_variables_initializer())
    date_ori = pd.to_datetime(df.iloc[:, 0]).tolist()