如果我们已经在 python 中导入了 tensorflow，为什么还要从 tensorflow 中导入 keras？

Question

我现在正在学习 tensorflow 和 keras，我看到所有教程都有这两个导入：

import tensorflow as tf
from tensorflow import keras

根据我对python导入的理解，我认为第二行是额外的，因为如果我们在第一行已经导入了tensorflow，那么我们应该在tensorflow中导入每个模块。就像我们有

import math 

那么我们应该有 math.log()、math.sqrt() 可用。

但是，如果我发表评论

from tensorflow import keras

那么这行代码

model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])

会回来的 NameErrorTraceback（最近一次调用最后一次）

<ipython-input-3-740ba65f0ade> in <module>()
----> 1 model = tf.keras.Sequential([keras.layers.Dense(units=1, input_shape=[1])])

NameError: name 'keras' is not defined

如果我们只有import tensorflow as tf，为什么不能直接使用tf.keras？与 import math 中的导入相比，此导入有什么特别之处？

谢谢

Answer 1

在python中导入模块时，只导入该模块（连同该模块导入的模块），导入模块中定义的任何模块都需要自己导入，

例子

$ ptree
.
├── imports.py
└── pmod
    ├── cmod.py
    └── __init__.py

1 directory, 3 files

$ cat imports.py 
import pmod

pmod.do()
pmod.cmod.do()

$ python3 imports.py 
hello from pmod
Traceback (most recent call last):
  File "imports.py", line 4, in <module>
    pmod.cmod.do()
AttributeError: module 'pmod' has no attribute 'cmod'

但是，如果我明确导入它，它确实有效

$ cat imports.py 
import pmod
import pmod.cmod

pmod.do()
pmod.cmod.do()

$ python3 imports.py 
hello from pmod
hello from cmod

Answer 2

错误与tf.keras 无关。在您的模型定义中，您使用来自keras 的layers 而不是tf.keras。这就是您在删除导入时收到错误的原因。将您的模型定义替换为：

model = tf.keras.Sequential([tf.keras.layers.Dense(units=1, input_shape=[1])])

现在，您无需从tensorflow 导入keras。