rasa_nlu踩坑经历

需要使用rasa_nlu来搭建对话程序，但是介于“人见人爱”的tensorflow总喜欢给新老用户一些“不一样”的感受，再加上sara_nlu的维护者貌似还没有更新tensorflow2.X下的库，所以如果你像笔者一样，直接安装tensorflow的最新版本，那么直接运行一下程序可能会报错：

from rasa_nlu.training_data import load_data
from rasa_nlu.model import Trainer
from rasa_nlu import config
from rasa_nlu.model import Interpreter

def train_horoscopebot(data_json, config_file, model_dir):
    training_data = load_data(data_json)
    trainer = Trainer(config.load(config_file))
    trainer.train(training_data)
    model_directory = trainer.persist(model_dir,
                                      fixed_model_name="horoscopebot")

def predict_intent(text):
    interpreter = Interpreter.load("./models/nlu/default/horoscopebot")
    print(Interpreter.parse(text))

train_horoscopebot("./data/data.json", "./config.json", "./model/nlu")

然后报错一堆=_=，错误信息为无法找到tensorflow的某些方法，很显然是tensorflow版本的锅…

• 解决方法1：如果你是Python3.6-的玩家，那么可以考虑安装版本号低于2.0的tensorflow。那里会有rasa_nlu源代码中所需的对应方法。
• 解决方法2：直接修改rasa_nlu报错的源码。这个不困难，因为你完全可以根据报错再面向CSDN编程修改那些被官方丢弃的tensorflow的方法。此处仅仅呈现我遇到的错误的修改方法：

23行 AttributeError: module ‘tensorflow’ has no attribute ‘set_random_seed’
解决方法： 23行的import tensorflow as tf 改成

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()  

278行 AttributeError: module ‘tensorflow.compat.v1’ has no attribute ‘contrib’
解决方法：278行的 reg = tf.contrib.layers.l2_regularizer(self.C2) 改成

 reg = tf.nn.l2_loss

尽管最后又多了一些警告，但是程序可以成功运行了。

......(若干WARNING =_=)
Epochs: 100%|██████████| 300/300 [00:00<00:00, 573.16it/s, loss=0.575, acc=1.000]

反正是成功运行了，如果嫌WARNING看着烦，可以加入一下语句来屏蔽WARNING

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = "2"