看起来你所做的是导入socket模块作为import socket。因此socket就是模块。你需要把这一行改成self。Serv = socket.socket(socket. socket)AF_INET, socket. sock_stream)，以及其他任何使用socket模块的情况，或者将import语句更改为from socket import socket。

或者在你的from socket import *之后有一个import socket:

>>> from socket import *
>>> serv = socket(AF_INET,SOCK_STREAM)
>>> import socket
>>> serv = socket(AF_INET,SOCK_STREAM)
Traceback (most recent call last):
  File "<input>", line 1, in <module>
TypeError: 'module' object is not callable

看起来你所做的是导入socket模块作为import socket。因此socket就是模块。你需要把这一行改成self。Serv = socket.socket(socket. socket)AF_INET, socket. sock_stream)，以及其他任何使用socket模块的情况，或者将import语句更改为from socket import socket。

或者在你的from socket import *之后有一个import socket:

>>> from socket import *
>>> serv = socket(AF_INET,SOCK_STREAM)
>>> import socket
>>> serv = socket(AF_INET,SOCK_STREAM)
Traceback (most recent call last):
  File "<input>", line 1, in <module>
TypeError: 'module' object is not callable

解决这个问题的一个简单方法是导出pythonpath变量环境。例如，对于Debian/GNU Linux中的Python 2.6:

export PYTHONPATH=/usr/lib/python2.6`

在其他操作系统中，您将首先找到该模块或socket.py文件的位置。

假设YourClass.py的内容是:

class YourClass:
    # ......

如果你使用:

from YourClassParentDir import YourClass  # means YourClass.py

通过这种方式，如果你尝试调用YourClass()，你将得到TypeError: 'module'对象不可调用。

但是，如果你用:

from YourClassParentDir.YourClass import YourClass   # means Class YourClass

或者使用YourClass.YourClass()，它可以工作。

我得到了同样的错误如下:

'module'对象不可调用

当调用time()进行打印时，如下所示:

import time

print(time()) # Here

因此，我调用time.time()，如下所示:

import time

print(time.time()) # Here

或者，我从时间导入时间，如下图所示:

from time import time # Here

print(time()) 

然后，错误得到了解决:

1671301094.5742612

当我试图在LightGBM中使用optuna(一个用于超参数调优的库)时，我遇到了这个错误。经过一个小时的挣扎，我意识到我直接导入类，这是一个问题。

import lightgbm as lgb

def LGB_Objective(trial):
        parameters = {
            'objective_type': 'regression',
            'max_depth': trial.suggest_int('max_depth', 10, 60),
            'boosting': trial.suggest_categorical('boosting', ['gbdt', 'rf', 'dart']),
            'data_sample_strategy': 'bagging',
            'num_iterations': trial.suggest_int('num_iterations', 50, 250),
            'learning_rate': trial.suggest_float('learning_rate', 0.01, 1.0),
            'reg_alpha': trial.suggest_float('reg_alpha', 0.01, 1.0), 
            'reg_lambda': trial.suggest_float('reg_lambda', 0.01, 1.0)
            }
        
        '''.....LightGBM model....''' 
        model_lgb = lgb(**parameters)
        model_lgb.fit(x_train, y_train)
        y_pred = model_lgb.predict(x_test)
        return mse(y_test, y_pred, squared=True)

study_lgb = optuna.create_study(direction='minimize', study_name='lgb_regression') 
study_lgb.optimize(LGB_Objective, n_trials=200)

这里，model_lgb = lgb(**parameters)试图调用cLass本身。 当我深入到LGB安装的site_packages文件夹中的__init__.py文件时，我确定了适合我的模块(我正在处理回归问题)。因此，我导入了lbmregressor，并用lbmregressor替换了我代码中的lgb，它开始工作了。

如果您(错误地)导入了整个类/目录或类中的目标模块，您可以检入代码。

from lightgbm import LGBMRegressor

def LGB_Objective(trial):
        parameters = {
            'objective_type': 'regression',
            'max_depth': trial.suggest_int('max_depth', 10, 60),
            'boosting': trial.suggest_categorical('boosting', ['gbdt', 'rf', 'dart']),
            'data_sample_strategy': 'bagging',
            'num_iterations': trial.suggest_int('num_iterations', 50, 250),
            'learning_rate': trial.suggest_float('learning_rate', 0.01, 1.0),
            'reg_alpha': trial.suggest_float('reg_alpha', 0.01, 1.0), 
            'reg_lambda': trial.suggest_float('reg_lambda', 0.01, 1.0)
            }
        
        '''.....LightGBM model....''' 
        model_lgb = LGBMRegressor(**parameters) #here I've changed lgb to LGBMRegressor
        model_lgb.fit(x_train, y_train)
        y_pred = model_lgb.predict(x_test)
        return mse(y_test, y_pred, squared=True)

study_lgb = optuna.create_study(direction='minimize', study_name='lgb_regression') 
study_lgb.optimize(LGB_Objective, n_trials=200)