【bert4keras】:AttributeError: ‘PaddedBatchDataset‘ object has no attribute ‘ndim‘

19 篇文章 0 订阅
11 篇文章 0 订阅

问题

在使用bert4keras的时候遇到一个问题:

AttributeError: 'PaddedBatchDataset' object has no attribute 'ndim'

解决

花了好长时间定位问题,原本以为是keras版本问题,后来才从bert4keras源码看到,作者其实是设置了在import keras之前会判断环境变量中的TF_KERAS,但是我在写代码之前会将这个设置放在main中,导致其实使用的还是keras而不是tf.keras


import os

import json
import math
import random
import numpy as np
import tensorflow as tf
from bert4keras.backend import keras, K # 这里先引用了keras
from bert4keras.layers import Loss
from bert4keras.models import build_transformer_model
from bert4keras.tokenizers import Tokenizer
from bert4keras.optimizers import Adam
from bert4keras.optimizers import extend_with_weight_decay
from bert4keras.optimizers import extend_with_piecewise_linear_lr
from bert4keras.optimizers import extend_with_gradient_accumulation
from bert4keras.snippets import sequence_padding, open
from bert4keras.snippets import DataGenerator
from bert4keras.snippets import text_segmentate
import jieba_fast as jieba
...

if __name__ == '__main__':
	os.environ['TF_KERAS'] = '1'  # 必须使用tf.keras,注意,这里要放在引用keras之前

改为:


import os

import json
import math
import random
import numpy as np
import tensorflow as tf
os.environ['TF_KERAS'] = '1'  # 必须使用tf.keras,注意,这里要放在引用keras之前
from bert4keras.backend import keras, K # 这里先引用了keras
from bert4keras.layers import Loss
from bert4keras.models import build_transformer_model
from bert4keras.tokenizers import Tokenizer
from bert4keras.optimizers import Adam
from bert4keras.optimizers import extend_with_weight_decay
from bert4keras.optimizers import extend_with_piecewise_linear_lr
from bert4keras.optimizers import extend_with_gradient_accumulation
from bert4keras.snippets import sequence_padding, open
from bert4keras.snippets import DataGenerator
from bert4keras.snippets import text_segmentate
import jieba_fast as jieba
...

if __name__ == '__main__':
	...
  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值