Question

注意：我已经解决了我的问题，但是我正在发布问题，以防其他人也有此问题，因为我不知道如何解决。

我正在使用Tensorflow后端在Keras中构建命名实体分类器（序列标签模型）。当我尝试拟合模型时，出现了此错误（令人惊讶的是，该错误仅返回4个Google结果）：

"If your data is in the form of symbolic tensors, you should specify the `steps_per_epoch` argument (instead of the batch_size argument, because symbolic tensors are expected to produce batches of input data)."

This stackoverflow post讨论了该问题，有人向操作人员建议：

Fit（）使用的
数据张量之一是符号张量。一个热标签函数返回一个符号张量。尝试类似的东西：

label_onehot = tf.Session().run(K.one_hot(label, 5))

然后我在this (not related) site上阅读：

Wolfram系统还具有强大的算法，可以处理表示数组的表达式的代数组合。这些表达式称为符号数组或符号张量。

这两个来源让我认为符号数组（至少在张量流中）可能更像是尚未评估的函数数组，而不是实际值。

因此，使用%whos查看我的所有变量，我看到我的X和Y数据是张量（而不是像我通常在模型中使用的数组）。 “数据/信息”列对他们的描述非常复杂，但是一旦解决了问题，我就迷失了方向，我无法解决如何回到出现错误的状态。

无论如何，我知道我可以通过更改数据预处理来解决该问题，以便X和y数据（即X_train，y_train）的类型为<class 'numpy.ndarray'>，并且尺寸为（发送的数字，最大len ）表示X_train，而（num_sents，max len，1）表示y_train（1是必需的，因为我的最后一层需要3D输入）。现在模型可以正常工作了。但是我仍然想知道，这些符号张量是什么？为什么/为什么使用每个时期的步长而不是应该使用批量大小？我最初也尝试过，但是没有运气。

Answer 1

这可以使用张量的eval（）或numpy（）函数来解决。

检查： How can I convert a tensor into a numpy array in TensorFlow?

什么是符号张量？为什么它们会引发“使用`steps_per_epoch`参数”错误？

1 个答案: