AttributeError: module 'tensorflow._api.v2.data' has no attribute 'experrimental'

这个错误提示表明你在使用 TensorFlow 的实验性模块时出现了问题。首先请确保你使用的是最新版本的 TensorFlow，然后检查你的代码中是否存在拼写错误或语法错误。如果代码没有问题，那么可能是 TensorFlow 的版本不兼容导致的问题。你可以尝试使用旧版本的实验性模块或升级 TensorFlow 到最新版本。如果问题仍然存在，建议查看 TensorFlow 的官方文档或寻求 TensorFlow 社区的帮助。

相关问题

AttributeError: module 'tensorflow._api.v2.data' has no attribute 'read_data_sets'

`tensorflow._api.v2.data` 模块中确实没有 `read_data_sets` 函数，这个函数可能是在旧版本的 TensorFlow 中提供的。

如果您想使用类似的函数来读取数据集，可以考虑使用 `tensorflow_datasets` 库。这个库提供了许多常用的数据集，并提供了方便的 API 来读取和处理数据。

以下是一个使用 `tensorflow_datasets` 读取 MNIST 数据集的示例：

import tensorflow as tf
import tensorflow_datasets as tfds

# 读取 MNIST 数据集
dataset = tfds.load('mnist', split='train', shuffle_files=True)

# 对每一张图片进行解码和处理
def preprocess(sample):
    image = sample['image']
    label = sample['label']
    image = tf.cast(image, tf.float32) / 255.0
    return image, label

dataset = dataset.map(preprocess)

# 打乱数据并分成 batch
dataset = dataset.shuffle(buffer_size=10000)
dataset = dataset.batch(32)

# 迭代数据
for x, y in dataset:
    # 训练模型
    pass

这个例子中，我们使用 `tfds.load` 函数读取 MNIST 数据集中的训练集。然后，我们定义了一个 `preprocess` 函数，用于对每一张图片进行解码和处理。最后，我们使用 `map` 函数将 `preprocess` 应用到每一个数据样本中。

接着，我们使用 `shuffle` 函数对数据进行随机打乱，并使用 `batch` 函数将数据分成批次。

最后，我们可以在模型训练时使用 `for` 循环迭代数据集中的每一个批次，并对模型进行训练。

AttributeError: module 'tensorflow._api.v2.train' has no attribute 'data'

这个错误可能是由于使用了过时的代码或者使用了错误的库版本所致。在 TensorFlow 2.x 中，`tf.data` 模块被移动到 `tensorflow` 包中，而不再是 `tensorflow.train` 包中。因此，你需要确保你的代码中导入的是正确的模块。

如果你的代码中导入了 `tensorflow.train.data`，你需要将其改为 `tensorflow.data`。例如：

import tensorflow as tf

dataset = tf.data.Dataset.from_tensor_slices((data, labels))

如果你使用的是旧版本的 TensorFlow，请升级到最新版本，因为这个错误可能是由于版本不兼容造成的。