根本原因是TensorFlow动态导入导致Pylance静态分析失效；需修改tensorflow/__init__.py添加TYPE_CHECKING导入或改用from keras导入。
为什么 tf.keras 在 VSCode 里没提示，但代码能跑
根本原因是 TensorFlow 使用了动态导入（lazy import）机制：模块在真正用到时才加载，__init__.py 里不显式暴露子模块路径。Pylance / Jedi 这类语言服务器靠静态分析找符号，看不到延迟加载的 keras 子模块，就报 PylancereportMissingImports 或直接不补全。
这不是你环境装错了，也不是 Python 路径问题，是设计如此 —— 官方自己也承认这点，并在 GitHub issue 中提供了修复入口。
修改 tensorflow/__init__.py 补全入口（最稳方案）
直接让类型检查器“看见” keras 的结构。找到你当前 Python 环境下 tensorflow 包的位置（可用 pip show tensorflow 查 Location），编辑该目录下的 tensorflow/__init__.py 文件，在末尾添加：
if _typing.TYPE_CHECKING:
from keras.api._v2 import keras
from keras.api._v2.keras import layers, models, optimizers, losses, metrics, initializers
注意三点：
-
_typing.TYPE_CHECKING确保只影响类型检查，不改变运行时行为 - 路径必须严格匹配你安装的 TensorFlow 版本，2.15+ 用
keras.api._v2；若用的是tf-nightly，路径可能为keras._v2 - 不要删掉原有
import，只追加；改完保存后重启 VSCode 窗口（不是重载窗口）
用 import keras 替代 import tensorflow.keras（快速绕过）
如果你项目不强依赖 tf.keras 的命名空间（比如没混用 tf.function + keras.Model 做图优化），直接换导入方式更省事：
把 from tensorflow.keras.models import Sequential 改成 from keras.models import Sequential，前提是已 pip install keras（注意：TensorFlow 2.16+ 已将 Keras 完全解耦，单独安装 keras 是官方支持行为）。
这样做的代价：
- 失去
tf.keras与tf.distribute、tf.data的深度集成提示（如tf.keras.utils.get_file不会出现在keras.utils下） - 某些高级功能（如
tf.keras.layers.TFSMLayer）根本不存在于独立keras包中
别碰 types-tensorflow 和降级 NumPy 这些老方案
pip install types-tensorflow 对 2.10+ 版本基本无效，它只覆盖极少数顶层符号，补不全 layers、models 这类核心模块；而降级 numpy 是 TensorFlow 1.x 时代的遗留方案，现在反而容易触发 ImportError: cannot import name 'OrderedDict' from 'typing' —— 那是因为旧版 numpy 依赖已废弃的 typing.OrderedDict，Python 3.9+ 已移除。
真正要检查的只有两件事：
- VSCode 是否选对了 Python 解释器（右下角显示的路径是否和
pip show tensorflow的Location一致） - Pylance 是否启用（设置里搜
python.languageServer，确保是Pylance，不是Jedi）
改完 __init__.py 后如果仍有部分子模块不提示（比如 tf.keras.applications），说明那个子模块没被上面的 from keras.api._v2.keras import ... 显式包含，得手动加进去 —— 这就是最常被忽略的细节：补全不是全有或全无，是一层一层“手动点亮”的。
