Question

我已经在Tensorflow中实现了通用句子编码器，现在我正在尝试预测句子的类概率。我也将字符串转换为数组。

代码：

if model.model_type == "universal_classifier_basic":
    class_probs = model.predict(np.array(['this is a random sentence'], dtype=object)

错误消息：

InvalidArgumentError (see above for traceback): input must be a vector, got shape: []
     [[Node: lambda_1/module_apply_default/tokenize/StringSplit = StringSplit[skip_empty=true, _device="/job:localhost/replica:0/task:0/device:CPU:0"](lambda_1/module_apply_default/RegexReplace_1, lambda_1/module_apply_default/tokenize/Const)]]

任何线索，建议或解释都受到欢迎和高度赞赏。谢谢：）

Answer 1

这不是您想要的那么容易。通常，模型期望输入一个整数向量。每个整数表示词汇表中相应单词的索引。例如

vocab = {"hello":0, "world":1}

您想将句子“ hello world”输入网络，然后按照以下步骤构建向量：

net_input = [vocab.get(word) for word in "hello world".split(" ")]

还请注意，如果您使用小批量训练网络，则还需要为要馈入网络的向量添加额外的第一维。您可以使用numpy轻松做到这一点：

import numpy as np
net_input = np.expand_dims(net_input, 0)

通过这种方式，您的net_input的形状为[1、2]，您可以将其输入网络。

仍然存在一个问题，该问题可能会阻止您使用这样的媒介来向网络供电。在训练时，您可能已经为输入定义了占位符，该占位符具有精确的len（30、40个令牌）。在测试时，如果感觉不到整个长度，则需要以填充该句子的大小为代价来匹配该大小，或者如果感觉更长，则需要将该句子的大小切成小段。

您可以截断或添加填充，如下所示：

net_input = [old_in[:max_len] + [vocab.get("PAD")] * (max_len - len(old_in[:max_len])] for old_in in net_input]

此行代码在必要时将old_in[:max_len]截断为最大可能的len（请注意，如果len小于max_len，python将不执行任何操作），并填充max len和实际len之间的差（(max_len - len(old_in[:max_len])）个带有填充令牌（+ [vocab.get("PAD")]）的插槽

希望这会有所帮助。

如果您不是这种情况，请在答案中写下评论，我将尝试找出其他解决方案。

Keras model.predict函数给出输入形状错误

1 个答案: