解决keras中protobuf版本不匹配引起的一个错误

原创 于 2025-07-28 01:09:35 发布 · 200 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#keras #protobuf #python #pip

报错如下：

If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:
 1. Downgrade the protobuf package to 3.20.x or lower.
 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).

解决过程：

pip show protobuf，发现protobuf版本5.29.4，明显过高了。

根据提示，对protobuf进行降级

pip install protobuf==3.20.0

ok，错误没了！

在keras中调用Sequential报错：TypeError: ‘google._upb._message.MessageMeta‘ object is not iterable...如何解决？
**My Coding Family**
04-15 1072
🏆本文收录于《全栈Bug调优(实战版)》专栏，主要记录项目实战过程中所遇到的Bug或因后果及提供真实有效的解决方案，希望能够助你一臂之力，帮你早日登顶实现财富自由🚀；同时，欢迎大家关注&&收藏&&订阅！持续更新中，up！up！up！！ 备注：部分问题/疑难杂症搜集于互联网。
【CV】第 1 章：计算机视觉和 TensorFlow 基础知识
sikh_0529的博客
10-29 2561
上述代码导入了机器学习和计算机视觉工作所需的Python库，例如用于处理数组的 NumPy、用于 openCV 计算机视觉工作的 cv2、用于处理Python代码中的图像的 PIL 以及用于绘制结果的M atplotlib。但是，一阶导数法的问题是，根据输入函数的不同，最大值会发生变化，因此无法预先确定最大值的阈值。例如，大小为 的图像224 x 224可以表示为 rank 的张量4，128, 224, 224, 3其中128是神经网络的批大小，224是高度和宽度，3是颜色通道（R、G 和 B）。
我的动态归纳（便于搜索）
qq_44821149的博客
08-21 4047
实际工作中，经常遇到一些需要很长时间才能完成的任务，例如压缩一个40G的目录，或者复制很大的文件。linux dns配置文件是“/etc/resolv.conf”，该配置文件用于配置DNS客户，它包含了主机的域名搜索顺序和DNS/服务器的地址，每一行包括一个关键字和一个或多个空格隔开的参数。from .bird_base import BirdBase------改为-----> from python_learning.bird_base import BirdBase。
Linux下C++与Python软件开发工具与环境相关踩坑记录
woxiwangxuehaocpp的专栏
05-09 3412
Linux C++ 开发环境 bash cmake Doxygen gcc版本 git librosa python bandmat PyYAML PyAudio SoundFile nltk Anaconda SPTK Valgrind vscode Ubuntu apt-get CentOS yum FFmpeg libasound libav
深度学习指南：在iOS平台上使用TensorFlow
麦峰强的博客
07-19 3263
在利用深度学习网络进行预测性分析之前，我们首先需要对其加以训练。目前市面上存在着大量能够用于神经网络训练的工具，但TensorFlow无疑是其中极为重要的首选方案之一。 大家可以利用TensorFlow训练自己的机器学习模型，并利用这些模型完成预测性分析。训练通常由一台极为强大的设备或者云端资源完成，但您可能想象不到的是，TensorFlow亦可以在iOS之上顺利起效——只是存在一定局限性。 ...
jstson nano 学习日志（六）
m0_61262333的博客
02-23 2898
在pc和nano双平台对tensorflow进行安装
:\Miniconda\envs\lianxi\python.exe -X pycache_prefix=C:\Users\ZDW\AppData\Local\JetBrains\PyCharm2025.1\cpython-cache "D:/PyCharm 2025.1.2/plugins/python-ce/helpers/pydev/pydevd.py" --multiprocess --qt-support=auto --client 127.0.0.1 --port 50014 --file D:\CXLX\.py\venv\fly.py 已连接到 pydev 调试器(内部版本号 251.26094.141)Traceback (most recent call last): File "<frozen importlib._bootstrap>", line 991, in _find_and_load File "<frozen importlib._bootstrap>", line 975, in _find_and_load_unlocked File "<frozen importlib._bootstrap>", line 671, in _load_unlocked File "<frozen importlib._bootstrap_external>", line 783, in exec_module File "<frozen importlib._bootstrap>", line 219, in _call_with_frames_removed File "E:\Miniconda\envs\lianxi\lib\site-packages\tensorflow\__init__.py", line 478, in <module> importlib.import_module("keras.optimizers") File "E:\Miniconda\envs\lianxi\lib\importlib\__init__.py", line 127, in import_module return _bootstrap._gcd_import(name[level:], package, level) File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\__init__.py", line 25, in <module> from keras import models File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\models\__init__.py", line 3, in <module> from keras.models import experimental File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\models\experimental\__init__.py", line 3, in <module> from keras.src.models.sharpness_aware_minimization import SharpnessAwareMinimization File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\__init__.py", line 21, in <module> from keras.src import models File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\models\__init__.py", line 18, in <module> from keras.src.engine.functional import Functional File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\engine\functional.py", line 25, in <module> from keras.src import backend File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\backend.py", line 35, in <module> from keras.src.engine import keras_tensor File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\engine\keras_tensor.py", line 19, in <module> from keras.src.utils import object_identity File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\utils\__init__.py", line 53, in <module> from keras.src.utils.feature_space import FeatureSpace File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\utils\feature_space.py", line 20, in <module> from keras.src.engine import base_layer File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\engine\base_layer.py", line 43, in <module> from keras.src.saving.legacy.saved_model import layer_serialization File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\saving\legacy\saved_model\layer_serialization.py", line 23, in <module> from keras.src.saving.legacy.saved_model import save_impl File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\saving\legacy\saved_model\save_impl.py", line 34, in <module> from keras.src.saving.legacy.saved_model import load as keras_load File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\src\saving\legacy\saved_model\load.py", line 29, in <module> from keras.protobuf import saved_metadata_pb2 File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\protobuf\saved_metadata_pb2.py", line 16, in <module> from keras.protobuf import versions_pb2 as keras_dot_protobuf_dot_versions__pb2 File "E:\Miniconda\envs\lianxi\lib\site-packages\keras\protobuf\versions_pb2.py", line 36, in <module> _descriptor.FieldDescriptor( File "E:\Miniconda\envs\lianxi\lib\site-packages\google\protobuf\descriptor.py", line 553, in __new__ _message.Message._CheckCalledFromGeneratedFile() TypeError: Descriptors cannot be created directly. If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0. If you cannot immediately regenerate your protos, some other possible workarounds are: 1. Downgrade the protobuf package to 3.20.x or lower. 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower). More information: https://developers.google.com/protocol-buffers/docs/news/2022-05-06#python-updates python-BaseException
07-02
我们正在处理一个关于protobuf版本不兼容导致的Keras错误。用户遇到了以下错误：TypeError:Descriptors cannotbe createddirectly whenusing keras.protobuf.这个错误通常是由于protobuf（ProtocolBuffers）的版本过...
pycharm安装keras库后代码依旧报错
05-29
例如，`ImportError: cannot import name ‘tf2’ from ‘tensorflow.python’` 表明 TensorFlow 的内部模块可能未正确加载，这通常是由于 TensorFlow 和 Keras 的版本不匹配引起的[^1]。 #### 2. Protobuf 兼容性...
Traceback (most recent call last): File "/home/xianbei/CNN-VehicleType/test_vehicle_type.py", line 17, in <module> from keras.preprocessing.image import img_to_array File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/keras/__init__.py", line 3, in <module> from keras import __internal__ File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/keras/__internal__/__init__.py", line 3, in <module> from keras.__internal__ import backend File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/keras/__internal__/backend/__init__.py", line 3, in <module> from keras.src.backend import _initialize_variables as initialize_variables File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/keras/src/__init__.py", line 21, in <module> from keras.src import applications File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/keras/src/applications/__init__.py", line 18, in <module> from keras.src.applications.convnext import ConvNeXtBase File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/keras/src/applications/convnext.py", line 26, in <module> import tensorflow.compat.v2 as tf File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/tensorflow/__init__.py", line 41, in <module> from tensorflow.python.tools import module_util as _module_util File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/tensorflow/python/__init__.py", line 53, in <module> from tensorflow.core.framework.graph_pb2 import * File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/tensorflow/core/framework/graph_pb2.py", line 16, in <module> from tensorflow.core.framework import function_pb2 as tensorflow_dot_core_dot_framework_dot_function__pb2 File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/tensorflow/core/framework/function_pb2.py", line 16, in <module> from tensorflow.core.framework import attr_value_pb2 as tensorflow_dot_core_dot_framework_dot_attr__value__pb2 File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/tensorflow/core/framework/attr_value_pb2.py", line 16, in <module> from tensorflow.core.framework import tensor_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__pb2 File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/tensorflow/core/framework/tensor_pb2.py", line 16, in <module> from tensorflow.core.framework import resource_handle_pb2 as tensorflow_dot_core_dot_framework_dot_resource__handle__pb2 File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/tensorflow/core/framework/resource_handle_pb2.py", line 16, in <module> from tensorflow.core.framework import tensor_shape_pb2 as tensorflow_dot_core_dot_framework_dot_tensor__shape__pb2 File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/tensorflow/core/framework/tensor_shape_pb2.py", line 36, in <module> _descriptor.FieldDescriptor( File "/home/xianbei/anaconda3/envs/py38/lib/python3.8/site-packages/google/protobuf/descriptor.py", line 621, in __new__ _message.Message._CheckCalledFromGeneratedFile() TypeError: Descriptors cannot be created directly. If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0. If you cannot immediately regenerate your protos, some other possible workarounds are: 1. Downgrade the protobuf package to 3.20.x or lower. 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).
最新发布
07-03
这个错误通常是由于protobuf库版本不兼容引起的。根据用户提供的引用信息，我们注意到有关于tensorflow版本和protobuf版本兼容性的提示。在引用[1]中提到，推荐使用Python3.8 +tensorflow2.5 +tensorboard2.5。而在...
--------------------------------------------------------------------------- ModuleNotFoundError Traceback (most recent call last) <ipython-input-9-2d915d6ffaa1> in <module>() 5 from sklearn.model_selection import train_test_split 6 from sklearn.metrics import classification_report, confusion_matrix ----> 7 from tensorflow.keras import layers, Model, Sequential 8 from tensorflow.keras.preprocessing.image import ImageDataGenerator, load_img, img_to_array 9 from tensorflow.keras.callbacks import EarlyStopping, LearningRateScheduler D:\Anaconda3\lib\site-packages\tensorflow\__init__.py in <module>() 35 import typing as _typing 36 ---> 37 from tensorflow.python.tools import module_util as _module_util 38 from tensorflow.python.util.lazy_loader import LazyLoader as _LazyLoader 39 D:\Anaconda3\lib\site-packages\tensorflow\python\__init__.py in <module>() 40 41 # Bring in subpackages. ---> 42 from tensorflow.python import data 43 from tensorflow.python import distribute 44 # from tensorflow.python import keras D:\Anaconda3\lib\site-packages\tensorflow\python\data\__init__.py in <module>() 19 20 # pylint: disable=unused-import ---> 21 from tensorflow.python.data import experimental 22 from tensorflow.python.data.ops.dataset_ops import AUTOTUNE 23 from tensorflow.python.data.ops.dataset_ops import Dataset D:\Anaconda3\lib\site-packages\tensorflow\python\data\experimental\__init__.py in <module>() 94 95 # pylint: disable=unused-import ---> 96 from tensorflow.python.data.experimental import service 97 from tensorflow.python.data.experimental.ops.batching import dense_to_ragged_batch 98 from tensorflow.python.data.experimental.ops.batching import dense_to_sparse_batch D:\Anaconda3\lib\site-packages\tensorflow\python\data\experimental\service\__init__.py in <module>() 417 """ 418 --> 419 from tensorflow.python.data.experimental.ops.data_service_ops import distribute 420 from tensorflow.python.data.experimental.ops.data_service_ops import from_dataset_id 421 from tensorflow.python.data.experimental.ops.data_service_ops import register_dataset D:\Anaconda3\lib\site-packages\tensorflow\python\data\experimental\ops\data_service_ops.py in <module>() 20 from tensorflow.core.protobuf import data_service_pb2 21 from tensorflow.python import tf2 ---> 22 from tensorflow.python.data.experimental.ops import compression_ops 23 from tensorflow.python.data.experimental.service import _pywrap_server_lib 24 from tensorflow.python.data.experimental.service import _pywrap_utils D:\Anaconda3\lib\site-packages\tensorflow\python\data\experimental\ops\compression_ops.py in <module>() 14 # ============================================================================== 15 """Ops for compressing and uncompressing dataset elements.""" ---> 16 from tensorflow.python.data.util import structure 17 from tensorflow.python.ops import gen_experimental_dataset_ops as ged_ops 18 D:\Anaconda3\lib\site-packages\tensorflow\python\data\util\structure.py in <module>() 18 import itertools 19 ---> 20 import wrapt 21 22 from tensorflow.python.data.util import nest ModuleNotFoundError: No module named 'wrapt' 给我一个正确的解决方案
06-14
这个错误通常是由于 `wrapt` 模块安装不完整或版本冲突引起的。以下是完整的解决步骤： #### ️ 解决方法 1. **卸载现有 wrapt 模块** ```bash pip uninstall wrapt ``` 如果遇到卸载错误（如引用[3]所述），...
三维空间里一个点绕矢量旋转后的新的点的坐标
热门推荐
格物致知的专栏 [音视频编解码 网络协议 计算机视觉 计算机图形学 图像理解 语音识别 机器学习 模拟电路 传感器]
09-02 2万+
在三维空间里一个点绕X轴 Y轴 Z轴旋转一定弧度后新的点的坐标是容易计算的，问题是如果它所绕的旋转轴是一个任意矢量(x,y,z)的话，怎么知道旋转angle弧度后新的点的坐标呢？ 在OPENGL里有一个函数glRotatef(angle,x,y,z)可以实现此功能，它的实现是左乘一个矩阵 这里假定坐标轴是右手系的(opengl的坐标轴是右手系的，和大学数学教课书里一样)，其中c = co...
质量浓度与体积浓度的换算
格物致知的专栏 [音视频编解码 网络协议 计算机视觉 计算机图形学 图像理解 语音识别 机器学习 模拟电路 传感器]
10-29 1万+
每立方米大气中所含目标气体的质量数叫质量浓度X，单位是毫克/立方米，而以ppm为单位的是体积浓度，无量纲，等于百万分之一 它与体积浓度C的换算关系是：X=M*C/22.4 M是气体分子量 22.4的由来：单位物质的量的气体所占的体积，这个体积叫做该气体摩尔体积，单位是L/mol ，在标准状况下（STP，0℃，101kPa）气体摩尔体积为22.4L/mol
matlab显示图像频谱
格物致知的专栏 [音视频编解码 网络协议 计算机视觉 计算机图形学 图像理解 语音识别 机器学习 模拟电路 传感器]
05-17 1万+
将以下代码保存为m文件： function display_spectrums(file) img=imread(file); img=rgb2gray(img); img=double(img); f=fft2(img); f=fftshift(f); magnitude=log(1+abs(f)); subplot(2,1,1),imshow(magnitude,[]),tit
多面体及欧拉公式及广义欧拉公式
格物致知的专栏 [音视频编解码 网络协议 计算机视觉 计算机图形学 图像理解 语音识别 机器学习 模拟电路 传感器]
01-17 8956
像正方体，四棱锥这样的平面多面体属于简单多面体，它们可以与球拓扑同构，即可以连续拓扑变换成一个球。它们满足欧拉公式：v - e + f = 2, 其中v是顶点（vertex）数，e是边（edge）数，f是面（face）数。 而对于非简单多面体，指那些在多面体的表面上有环，和洞的多面体。它们满足广义欧拉公式：v - e + f - r = 2(s - h), 其中r是环（ring）数，h是洞（ho
高斯拉普拉斯算子的卷积模板
格物致知的专栏 [音视频编解码 网络协议 计算机视觉 计算机图形学 图像理解 语音识别 机器学习 模拟电路 传感器]
06-20 7993
Laplacian of Gaussian Operator是用于边缘检测的算子, 其形状如一个墨西哥草帽。 相关的资料很多，本文不赘述，这里谈谈它的卷积模板，常用的卷积模板有 这两个模板是怎么得出的呢？ 经过一番调查，得出一些结论。 以下是个人观点，总结为： 1. 卷积模板都是由整数元素构成的矩阵。卷积是乘法运算的累积，整数乘法比浮点数效率高。 2. 该卷积模板具有最大的对
Cohen-Sutherland直线段的裁剪算法
格物致知的专栏 [音视频编解码 网络协议 计算机视觉 计算机图形学 图像理解 语音识别 机器学习 模拟电路 传感器]
02-24 5260
该算法又称编码算法，裁剪窗口的四条边所在的直线可以把平面分为9个区域，对各个区域的编码包括四位也就是内0外1（比如x坐标小于left记为1，其它记为0），裁剪窗口所在的区域为0000，对于直线段上的端点进行编码，等于该端点所在的区域的编码。编码后就容易判断两个端点的情况，比如求与不等于0，该线段在裁剪窗口之外。 具体算法代码如下： typedef struct {  unsigned i
B样条曲线的控制
格物致知的专栏 [音视频编解码 网络协议 计算机视觉 计算机图形学 图像理解 语音识别 机器学习 模拟电路 传感器]
02-16 4956
如何使用B样条曲线的起点和终点在其控制顶点的第一个和最后一个上？ 答案是调整其节点矢量，使其具有k个重复度，k为阶数。 比如，k=3，有4个控制点为 {-2.0,0.0,1.0},{-1.0,1.0,0.0},{1.0,0.0,-1.0},{-1.0,-1.0,1.0}，就需要有7个节点向量，可以是这样子 {1,1,1,2,3,3,3} 得到的图形： 这样的B样条曲线叫做准均匀B样
FDCT和IDCT的计算公式
格物致知的专栏 [音视频编解码 网络协议 计算机视觉 计算机图形学 图像理解 语音识别 机器学习 模拟电路 传感器]
02-14 4555
DCT变换在信号处理领域非常重要，是语音图像压缩的基础。它有一维和二维两种形式。
浅谈RBSP trailing bits syntax
格物致知的专栏 [音视频编解码 网络协议 计算机视觉 计算机图形学 图像理解 语音识别 机器学习 模拟电路 传感器]
07-26 3227
H.264码流的RBSP级别，是由SODB和 RBSP trailing bits构成的， 由于编码后的数据要精确到位（bit）组装起来，而码流又是以字节为单位的，这样就需要补齐到字节。 参考ISO IEC 14496-10文档 7.3.2.11 RBSP trailing bits syntax rbsp_trailing_bits( ) {     rbsp_stop_one_
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值