Question

该问题与到：InvalidArgumentError (see above for traceback): indices[1] = 10 is not in [0, 10) 我需要R，因此需要另一个解决方案，而不是上面链接中给出的解决方案。

maxlen <- 40
chars <- c("'",  "-",  " ",  "!",  "\"", "(",  ")",  ",",  ".",  ":",  ";",  "?",  "[",  "]",  "_",  "=",  "0", "a",  "b",  "c",  "d",  "e", "f",  "g",  "h",  "i",  "j",  "k",  "l",  "m",  "n",  "o",  "p",  "q",  "r",  "s",  "t",  "u",  "v",  "w",  "x",  "y",  "z")



tokenizer <- text_tokenizer(char_level = T, filters = NULL)

tokenizer %>% fit_text_tokenizer(chars)
unlist(tokenizer$word_index)

输出为：

 '  -     !  "  (  )  ,  .  :  ;  ?  [  ]  _  =  0  a  b  c  d  e  f  g  h  i  j  k  l  m  n  o  p  q  r  s  t  u  v  w  x  y  z 
 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43

如何更改索引，使其在text_tokenizer中从0开始而不是从1开始？

运行fit（）后出现以下错误：

InvalidArgumentError: indices[127,7] = 43 is not in [0, 43)
     [[Node: embedding_3/embedding_lookup = GatherV2[Taxis=DT_INT32, Tindices=DT_INT32, Tparams=DT_FLOAT, _class=["loc:@training_1/RMSprop/Assign_1"], _device="/job:localhost/replica:0/task:0/device:CPU:0"](embedding_3/embeddings/read, embedding_3/Cast, training_1/RMSprop/gradients/embedding_3/embedding_lookup_grad/concat/axis)]]

但是我相信更改索引会解决我的问题。

Answer 1

索引0通常是为 padding 保留的，因此也不要从0开始实际的字符索引。相反，您应该冒险进入Embedding层，并按documentation的建议在输入大小上加1：

input_dim： int>0。词汇量，即最大整数索引+ 1。

在您的情况下，这将是43 + 1 = 44。

Answer 2

您需要使用词汇量大小初始化您的 Embedding 层。例如：

model.add(Embedding(875, 64))

在这种情况下，875 是我的词汇量。

InvalidArgumentError：Keras R中索引[127,7] = 43不在[0，43）中

2 个答案: