Google Colaboratoryでのエラー

Question

エラーメッセージ
下の、ここからーここまでと書いてあるコードを実行すると以下のようなエラーが出てしまいます。
どのようにすればよいでしょうか。
google colaboratoryで実行しています。

8 from keras.layers.advanced_activations import LeakyReLU
9 from keras.models import Sequential
---> 10 from keras.optimizers import Adam

ImportError: cannot import name 'Adam' from 'keras.optimizers' (/usr/local/lib/python3.7/dist-packages/keras/optimizers.py)

---

NOTE: If your import is failing due to a missing package, you can
manually install dependencies using either !pip or !apt.

該当のソースコード

#ここから
%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

from keras.datasets import mnist
from keras.layers import Dense, Flatten, Reshape
from keras.layers.advanced_activations import LeakyReLU
from keras.models import Sequential
from keras.optimizers import Adam
#ここまで

img_rows = 28
img_cols = 28
channels = 1

img_shape = (img_rows, img_cols, channels)

z_dim = 100

def build_generator(img_shape, z_dim):

model = Sequential()

model.add(Dense(128, input_dim=z_dim))

model.add(LeakyReLU(alpha=0.01))

model.add(Dense(28 * 28 * 1, activation='tanh'))

model.add(Reshape(img_shape))

return model

def build_discriminator(img_shape):

model = Sequential()

model.add(Flatten(input_shape=img_shape))

model.add(Dense(128))

model.add(LeakyReLU(alpha=0.01))

model.add(Dense(1, activation='sigmoid'))

return model

def build_gan(generator, discriminator):

model = Sequential()

model.add(generator)
model.add(discriminator)

return model

discriminator = build_discriminator(img_shape)
discriminator.compile(loss='binary_crossentropy',
optimizer=Adam(),
metrics=['accuracy'])

generator = build_generator(img_shape, z_dim)

discriminator.trainable = False

gan = build_gan(generator, discriminator)
gan.compile(loss='binary_crossentropy', optimizer=Adam())

losses = []
accuracies = []
iteration_checkpoints = []

def train(iterations, batch_size, sample_interval):

(X_train, _), (_, _) = mnist.load_data()

X_train = X_train / 127.5 - 1.0
X_train = np.expand_dims(X_train, axis=3)

real = np.ones((batch_size, 1))

fake = np.zeros((batch_size, 1))

for iteration in range(iterations):

    idx = np.random.randint(0, X_train.shape[0], batch_size)
    imgs = X_train[idx]

    z = np.random.normal(0, 1, (batch_size, 100))
    gen_imgs = generator.predict(z)

    d_loss_real = discriminator.train_on_batch(imgs, real)
    d_loss_fake = discriminator.train_on_batch(gen_imgs, fake)
    d_loss, accuracy = 0.5 * np.add(d_loss_real, d_loss_fake)

    z = np.random.normal(0, 1, (batch_size, 100))
    gen_imgs = generator.predict(z)

    g_loss = gan.train_on_batch(z, real)

    if (iteration + 1) % sample_interval == 0:

        losses.append((d_loss, g_loss))
        accuracies.append(100.0 * accuracy)
        iteration_checkpoints.append(iteration + 1)

        print("%d [D loss: %f, acc.: %.2f%%] [G loss: %f]" %
              (iteration + 1, d_loss, 100.0 * accuracy, g_loss))

        sample_images(generator)

def sample_images(generator, image_grid_rows=4, image_grid_columns=4):

z = np.random.normal(0, 1, (image_grid_rows * image_grid_columns, z_dim))

gen_imgs = generator.predict(z)

gen_imgs = 0.5 * gen_imgs + 0.5

fig, axs = plt.subplots(image_grid_rows,
                        image_grid_columns,
                        figsize=(4, 4),
                        sharey=True,
                        sharex=True)

cnt = 0
for i in range(image_grid_rows):
    for j in range(image_grid_columns):

        axs[i, j].imshow(gen_imgs[cnt, :, :, 0], cmap='gray')
        axs[i, j].axis('off')
        cnt += 1

iterations = 20000
batch_size = 128
sample_interval = 1000

train(iterations, batch_size, sample_interval)

losses = np.array(losses)

plt.figure(figsize=(15, 5))
plt.plot(iteration_checkpoints, losses.T[0], label="Discriminator loss")
plt.plot(iteration_checkpoints, losses.T[1], label="Generator loss")

plt.xticks(iteration_checkpoints, rotation=90)

plt.title("Training Loss")
plt.xlabel("Iteration")
plt.ylabel("Loss")
plt.legend()

accuracies = np.array(accuracies)

plt.figure(figsize=(15, 5))
plt.plot(iteration_checkpoints, accuracies, label="Discriminator accuracy")

plt.xticks(iteration_checkpoints, rotation=90)
plt.yticks(range(0, 100, 5))

plt.title("Discriminator Accuracy")
plt.xlabel("Iteration")
plt.ylabel("Accuracy (%)")
plt.legend()

Answer 1

kerasの前に、tensorflow.を付けて以下のようにインポートしてみて下さい

%matplotlib inline

import matplotlib.pyplot as plt
import numpy as np

from tensorflow.keras.datasets import mnist
from tensorflow.keras.layers import Dense, Flatten, Reshape
from keras.layers.advanced_activations import LeakyReLU
from tensorflow.keras.models import Sequential
from tensorflow.keras.optimizers import Adam

下記サイトで説明されていますが、2ヶ月ほど前に multi-backend Keras というものが廃止されたのが原因のようです。
GPU docker image does not find keras

また

!pip uninstall keras
!pip install keras

のようにkerasをインストールし直す方法や、

!pip install ../input/keras-wheel-260/Keras-2.4.3-py2.py3-none-any.whl

のようにバージョンを指定して、kerasをインストールすることでも エラーを回避できる場合があるようです。

Comments

[退会済みユーザー]

ありがとうございます。
from tensorflow.keras.optimizers import Adamを最初に入れて実行してみても、
4 import numpy as np
5
----> 6 from keras.datasets import mnist
7 from keras.layers import Dense, Flatten, Reshape
8 from keras.layers.advanced_activations import LeakyReLU

/usr/local/lib/python3.7/dist-packages/tensorflow/python/eager/monitoring.py in __init__(self, metric_name, metric_methods, label_length, *args)
133 self._metric_name, len(self._metric_methods)))
134
--> 135 self._metric = self._metric_methods[self._label_length].create(*args)
136
137 def __del__(self):

AlreadyExistsError: Another metric with the same name already exists

このようなエラーが出てしまうのですが、どのようにすればよいでしょうか？

[coffeebar]

回答を編集しました。
keras.layers.advanced_activations以外の全てのkerasの前に　tensorflow.　を付けてみて下さい

[退会済みユーザー]

追加の質問にも優しく答えていただきありがとうございます。
エラーが出ずに、実行可能になりました。
ありがとうございました！

[jbpb0]

質問者さん

> from keras.layers.advanced_activations import LeakyReLU

にも
tensorflow.
を付けてください

keras.*
と
tensorflow.keras.*
は、混ぜないで、どちらかだけに統一します

[coffeebar]

from tensorflow.keras.layers.advanced_activations import LeakyReLU
とすると、google colaboratoryで
```
ModuleNotFoundError: No module named 'tensorflow.keras.layers.advanced_activations'
```
とエラーが出てしまうので、上記のように回答しました。
keras.layers.advanced_activations だけは tensorflow. を抜いても読み込めます。

[jbpb0]

> ModuleNotFoundError: No module named 'tensorflow.keras.layers.advanced_activations'

from tensorflow.keras.layers.advanced_activations import LeakyReLU
↓ 変更
from tensorflow.keras.layers import LeakyReLU