这是我今天早些时候发布的一个重复问题，在另一个问题中，我使用的是旧版本的Keras。我已经升级到Keras 2.0.0，但仍然遇到很多我自己无法解决的错误，所以我几乎一字不差地重新发布这个问题。

我试图理解如何使用Keras进行供应链预测，但不断遇到一些无法在其他地方找到帮助的错误。我尝试过类似的教程；太阳黑子预测教程、污染多变量教程等，但我仍然不明白input_shape参数是如何工作的，或者如何组织我的数据以被Keras接受。

我的数据集是一个描述我们每月销售产品数量的单一时间序列。我将这个单一时间序列，共107个月，转换为一个30行、77列的数据集。我从中创建了训练集和测试集。

从命令提示符中：

Successfully uninstalled Keras-1.2.0Successfully installed keras-2.0.0Python Version: 3.5.4

这是我遇到的代码和相应的错误。

model = Sequential()model.add(LSTM(input_shape=(77, 1), output_dim = 10))

Traceback

C:\Python35\lib\site-packages\keras\backend\tensorflow_backend.py in concatenate(tensors, axis)   1219         A tensor.-> 1220     """   1221     zero = _to_tensor(0., x.dtype.base_dtype)AttributeError: module 'tensorflow' has no attribute 'concat_v2'During handling of the above exception, another exception occurred:TypeError                                 Traceback (most recent call last)<ipython-input-42-ee393fff874d> in <module>()      1 model = Sequential()----> 2 model.add(LSTM(input_shape=(77, 1), output_dim = 10))      3 #model.add(Dense(10, activation = 'relu'))      4 #model.add(Dense(1, activation = 'softmax'))C:\Python35\lib\site-packages\keras\models.py in add(self, layer)    292                         '`Sequential.from_config(config)`?')    293     return layer_module.deserialize(config, custom_objects=custom_objects)--> 294     295     296 def model_from_yaml(yaml_string, custom_objects=None):C:\Python35\lib\site-packages\keras\engine\topology.py in create_input_layer(self, batch_input_shape, input_dtype, name)    396     397             # Check ndim.--> 398             if spec.ndim is not None:    399                 if K.ndim(x) != spec.ndim:    400                     raise ValueError('Input ' + str(input_index) +C:\Python35\lib\site-packages\keras\engine\topology.py in __call__(self, x, mask)    541             # Handle automatic shape inference (only useful for Theano).    542             input_shape = _collect_input_shape(inputs)--> 543     544             # Actually call the layer, collecting output(s), mask(s), and shape(s).    545             output = self.call(inputs, **kwargs)C:\Python35\lib\site-packages\keras\layers\recurrent.py in build(self, input_shape)    761             constants.append(dp_mask)    762         else:--> 763             constants.append([K.cast_to_floatx(1.) for _ in range(3)])    764     765         if 0 < self.recurrent_dropout < 1:C:\Python35\lib\site-packages\keras\backend\tensorflow_backend.py in concatenate(tensors, axis)   1220     """   1221     zero = _to_tensor(0., x.dtype.base_dtype)-> 1222     inf = _to_tensor(np.inf, x.dtype.base_dtype)   1223     x = tf.clip_by_value(x, zero, inf)   1224     return tf.sqrt(x)C:\Python35\lib\site-packages\tensorflow\python\ops\array_ops.py in concat(values, axis, name)   1041       ops.convert_to_tensor(axis,   1042                             name="concat_dim",-> 1043                             dtype=dtypes.int32).get_shape(   1044                             ).assert_is_compatible_with(tensor_shape.scalar())   1045       return identity(values[0], name=scope)C:\Python35\lib\site-packages\tensorflow\python\framework\ops.py in convert_to_tensor(value, dtype, name, preferred_dtype)    674       name=name,    675       preferred_dtype=preferred_dtype,--> 676       as_ref=False)    677     678 C:\Python35\lib\site-packages\tensorflow\python\framework\ops.py in internal_convert_to_tensor(value, dtype, name, as_ref, preferred_dtype)    739     740         if ret is None:--> 741           ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref)    742     743         if ret is NotImplemented:C:\Python35\lib\site-packages\tensorflow\python\framework\constant_op.py in _constant_tensor_conversion_function(v, dtype, name, as_ref)    111                                          as_ref=False):    112   _ = as_ref--> 113   return constant(v, dtype=dtype, name=name)    114     115 C:\Python35\lib\site-packages\tensorflow\python\framework\constant_op.py in constant(value, dtype, shape, name, verify_shape)    100   tensor_value = attr_value_pb2.AttrValue()    101   tensor_value.tensor.CopyFrom(--> 102       tensor_util.make_tensor_proto(value, dtype=dtype, shape=shape, verify_shape=verify_shape))    103   dtype_value = attr_value_pb2.AttrValue(type=tensor_value.tensor.dtype)    104   const_tensor = g.create_op(C:\Python35\lib\site-packages\tensorflow\python\framework\tensor_util.py in make_tensor_proto(values, dtype, shape, verify_shape)    372       nparray = np.empty(shape, dtype=np_dt)    373     else:--> 374       _AssertCompatible(values, dtype)    375       nparray = np.array(values, dtype=np_dt)    376       # check to them.C:\Python35\lib\site-packages\tensorflow\python\framework\tensor_util.py in _AssertCompatible(values, dtype)    300     else:    301       raise TypeError("Expected %s, got %s of type '%s' instead." %--> 302                       (dtype.name, repr(mismatch), type(mismatch).__name__))    303     304 TypeError: Expected int32, got <tf.Variable 'lstm_7_W_i:0' shape=(1, 10) dtype=float32_ref> of type 'Variable' instead.

回答：

我认为问题与TF版本有关。Keras和TF之间的版本兼容性是一个很多人都遇到过的问题，因为TF API在短时间内变化很大。

我认为对于Keras 2.2.X版本，你需要TF版本大于1.10.X

尝试更新它，看看问题是否解决！