Question

我在tensorflow中实现模型时遇到问题。我想编制一个预测情绪极性的模型。要做到这一点，我首先要训练模型。这是发生错误的地方。

我使用三个变量：句子（或情绪），目标（极性适用的句子中的单词）和极性本身。前两个变量是字符串，极性是向量（正数时为[1,0,0]，负数时为[0,0,1]。）

要创建这些变量，我使用tf.placeholder（tf.string）。当我运行模型时，我收到以下错误：＆＃34;您必须为占位符张量提供一个值＆＃39; Placeholder_1＆＃39;使用dtype string＆＃34;

当我想对句子变量进行操作时，我也认为我有一个问题：我需要在句子中拆分句子，但由于句子是占位符，我首先必须将其转换回字符串。

模型的输入是三个向量：sVec（所有句子的矢量作为字符串），tVec（所有目标的矢量作为字符串）和pVec（所有极性的矢量作为矢量）

我一直在处理这个错误很长一段时间，所以任何帮助都表示赞赏。您可以在下面找到代码。提前致谢。

polarity = tf.placeholder(tf.float32, shape=[1, c_cardi])#label
sentence = tf.placeholder(tf.string)  #inputdata
target = tf.placeholder(tf.string)

def multilayer_perceptron(mi, target, weights, biases):
    # This method works correctly


def modelA(sentence, target):
    # The error might refer to this:
    sess2 = tf.Session()
    sentence = sess2.run(sentence) # I need to get the value of the tensor here
    sess2.close()
    words = sentence.split()
    # Code goes on, no error here
    return prediction


def trainModelA(sVec, tVec, pVec):
    prediction = modelA(sentence, target)
    cost_function = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=prediction, labels=polarity))
    optimizer = tf.train.GradientDescentOptimizer(0.01).minimize(cost_function)

    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        for epoch in range(epochs):
            # The error might refer to this part
            sess.run(optimizer, feed_dict={sentence:sVec, target: tVec, polarity:pVec})
            # Code goes on

trainModelA(sVec, tVec, pVec)

编辑：

在我看来，错误发生在这一行：sentence = sess2.run（句子）。因为我运行modelA（句子，目标），所以我将句子作为输入，但是还没有填充值。然而，这似乎是要走的路，所以我仍然不知道发生了什么。

初始化并使用tf.placeholder（tf.string），为其提供值并在必要时将其转换回字符串

0 个答案: