TensorFlow и вложения слов: передача словаря

johnsmith спросил: 28 апреля 2018 в 09:24 в: python

Подобно TensorFlow и вложения слов - TypeError: unhashable type: 'numpy.ndarray' , я хочу передать значения в feed_dict часть . Почему я получаю ту же ошибку в отношении нераспакованного типа, когда я также использую sess.run(), а также reshape (я не наблюдал эти различия перед сравнением с кодом в http ://www.brightideasinanalytics.com/rnn-pretrained-word-vectors/)

sent_toks = nltk.sent_tokenize(ctxt)
x2 = np.array(list(vocab_processor.transform(sent_toks)))
y = np.array(list(vocab_processor.transform(<some other string>)))import tensorflow.contrib as ctdef NHIDDEN():
    return 1def NINPUT():
    return 50g = tf.Graph()
tf.reset_default_graph()with g.as_default():
    with tf.Session(graph = g) as sess:
        while step < 1: # training_iters:
            x2 = np.reshape(np.array(x2.flatten()), [-1, NINPUT()])
            y_embedding = np.reshape(tf.nn.embedding_lookup(W, y), [1,-1])
            _,loss, pred_ = sess.run([optimizer, cost, pred], feed_dict =
                                 {x2: x2, y: y_embedding})
            loss_total += loss
            print("loss = " + "{:.6f}".format(loss_total))
            step += 1
        print ("Finished Optimization")

TypeError                                 Traceback (most recent call last)
<ipython-input-16-ecd566e6a457> in <module>()
     51             y_embedding = np.reshape(tf.nn.embedding_lookup(W, y), [1,-1])
     52             _,loss, pred_ = sess.run([optimizer, cost, pred], feed_dict =
---> 53                                      {x2: x2}) # , y: y_embedding})
     54             loss_total += loss
     55             print("loss = " + "{:.6f}".format(loss_total))TypeError: unhashable type: 'numpy.ndarray'

1 ответ

Есть решение
Balle ответил: 28 апреля 2018 в 12:34

Я не пытался понять детали вашего кода, но посмотрите, что для меня похоже на проблему с использованием фид-dict. Синтаксис для feed_dict заключается в том, что ключ является тензором в tf-графе - обычно tf.placeholder, а значением являются данные, которые вы хотите передать ему. Здесь x2 используется как ключ, так и значение, что, вероятно, является проблемой. Поэтому, если tf_node - это то, где вы хотите подавать данные, вы должны использовать feed_dict = {tf_node: x2}, а не feed_dict = {x2: x2}.

Надеюсь, что это поможет.