Question

首先，我是tensorflow和nn领域的新手，所以基本上我发现了一个非常适合我的要求的出色实现：

An example for Natural Language Processing (NER)

有两层：char。提取和上下文提取我的目标是在两层上都使用GRU单元。

对于上下文层，我摆脱了时间主变换和切换单元格类型的困扰，

with tf.variable_scope("words"):
    cell_fw = tf.contrib.rnn.GRUCell(params['lstm_size'])
    cell_bw = tf.contrib.rnn.GRUCell(params['lstm_size'])
    (output_fw, output_bw), _ = tf.nn.bidirectional_dynamic_rnn(
            cell_fw, cell_bw, embeddings,
            sequence_length=nwords, dtype=tf.float32)
    output = tf.concat([output_fw, output_bw], axis=-1)
    output = tf.layers.dropout(output, rate=dropout, training=training)

所以我在char层上尝试了同样的事情

num_of_chars = tf.reshape(nchars, [-1])
with tf.variable_scope("chars"):
    cell_fw = tf.contrib.rnn.GRUCell(params['char_lstm_size'])
    cell_bw = tf.contrib.rnn.GRUCell(params['char_lstm_size'])
    _, ((_, output_fw), (_, output_bw)) = tf.nn.bidirectional_dynamic_rnn(cell_fw,
        cell_bw, flat, sequence_length=num_of_chars, dtype=tf.float32)
    output = tf.concat([output_fw, output_bw], axis=-1)

char_embeddings = tf.reshape(output, [-1, dim_words, 50])

但是我遇到了错误：

“仅当急切执行为” TypeError时，Tensor对象是可迭代的：仅在启用急切执行时，Tensor对象才是可迭代的。至使用tf.map_fn迭代此张量。

我找不到解决方案，“ tf.enable_eager_execution（）”不能完成任务。

谢谢

自定义NER张量流模型

0 个答案: