DAN U-S-E模型（Google）：

Question

我正在尝试为段落进行嵌入过程，该过程被称为Google的“通用句子编码”。这需要进行深度学习分类过程。这给了我以下错误：

DAN U-S-E模型（Google）：

module_url = "https://tfhub.dev/google/universal-sentence-encoder/2"

embed = hub.Module(module_url)

with tf.Session() as session:
  session.run([tf.global_variables_initializer(), tf.tables_initializer()])
  message_embeddings = session.run(embed(train_clean_sentences))

错误： 〜\ AppData \ Local \ Continuum \ anaconda3 \ lib \ site- 包\ tensorflow_hub \ tensor_info.py in_convert_to_compatible_tensor（值，目标，错误前缀）
    117张量= tf.convert_to_tensor_or_indexed_slices（值，target.dtype）
    118，除了TypeError如e：
-> 119提高TypeError（“％s：％s”％（error_prefix，e））
    120如果_is_sparse（张量）！= _is_sparse（目标）：
    121如果_is_sparse（tensor）：

TypeError：无法转换'text'：数据类型无法理解

我不确定错误是什么，对此有任何帮助！

Answer 1

在上面的代码（有问题）中，“ train_clean_sentences”输入是pandas.series数据类型，因为它是pandas数据框列。一旦我将pandas.series数据类型转换为list，嵌入代码就会起作用。

train_clean_sentences = df['Cleansed_X'].tolist()

TypeError：无法转换“文本”：无法理解的数据类型

DAN U-S-E模型（Google）：

1 个答案: