Question

尝试使用keras训练模型时遇到此错误。

InvalidArgumentError：索引[48,2] = 5388不在[0，5388）中
[[节点：embedding_1 / embedding_lookup = GatherV2 [Taxis = DT_INT32， Tindices = DT_INT32，Tparams = DT_FLOAT， _class = [“ loc：@ training / RMSprop / Assign_1”]，_ device =“ / job：localhost /副本：0 / task：0 / device：CPU：0”]（embedding_1 / embeddings / read， embedding_1 / Cast，培训/ RMSprop / gradients / embedding_1 / embedding_lookup_grad / concat / axis）]

实际的线是这个...

model.fit_generator(generator = generate_batch(X_train, y_train, batch_size = batch_size),
                    steps_per_epoch = train_samples//batch_size,
                    epochs=epochs,
                    validation_data = generate_batch(X_test, y_test, batch_size = batch_size),
                    validation_steps = val_samples//batch_size)

时代1/50 73/237 [========> .....................]-预计时间：32：10- 损失：7.4517-累积：0.1711

整个代码在这里...

https://github.com/shantanuo/pandas_examples/blob/master/deep_learn/WordLevelEngMarNMT.ipynb

从...克隆的代码 https://github.com/hlamba28/Word-Level-Eng-Mar-NMT

Answer 1

您的嵌入层定义为：

# Encoder
encoder_inputs = Input(shape=(None,))
enc_emb =  Embedding(num_encoder_tokens, latent_dim, mask_zero = True)(encoder_inputs)

令牌索引0被认为是一个特殊值（无输入）；因此您需要使用num_encoder_tokens + 1定义嵌入。

您已经在num_decoder_tokens中添加了1；您需要对num_encoder_tokens做同样的事情。

如何处理keras中的无效参数错误

1 个答案: