Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

tensorflow-model-optimization fails to import in official tensorflow:2.15.0 Docker image due to TF_USE_LEGACY_KERAS=1 and missing tf_keras

Abierto
#1,272 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
4/5
Tiempo estimado
3-5 días
Aptitud para principiantes
48/100
Tipo de issue
Error
Claridad
Bastante claro
Estado de actividad
Tranquilo
Stack tecnológico
docker, python, tensorflow
Área
devops, machine-learning

Línea de trabajo

Reproduce el fallo de importación en la imagen oficial tensorflow/tensorflow:2.15.0 usando tensorflow-model-optimization==0.8.0 y el comando de Python mostrado. Inspecciona cómo interactúan TF_USE_LEGACY_KERAS=1 y la dependencia tf_keras; se considera terminado cuando tfmot se importa correctamente sin actualizar TensorFlow más allá de 2.15.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

bug

When using the official TensorFlow Docker image tensorflow/tensorflow:2.15.0, the environment variable TF_USE_LEGACY_KERAS is preset to 1 (True). This causes tensorflow-model-optimization (tfmot) to fail with an ImportError because it expects tf_keras to be installed.

Attempting to install tf_keras leads to an automatic upgrade of TensorFlow to 2.21+, which breaks compatibility with tfmot (which is designed for TensorFlow 2.15).

  1. Pull the official image: 
    docker pull tensorflow/tensorflow:2.15.0
docker run -it tensorflow/tensorflow:2.15.0 bash
pip install tensorflow-model-optimization==0.8.0
python -c "import tensorflow_model_optimization as tfmot"

The import fails with:
ImportError: Keras cannot be imported. Check that it is installed.

Lenguaje dominante
Python
Estrellas
1.6k
Forks
349
Merge medio
3 d 2 h
PR fusionados (30 d)
1

Guía de contribución

Abrir la guía de contribución

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de tensorflow/model-optimization

Todos los issues de tensorflow/model-optimization

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.