AttributeError:对于具有tensorflow的拥抱脸bert.AutoModel模型，“KerasTensor”对象没有属性“size”
AttributeError是Python中的异常错误类型之一，表示对象没有特定属性或方法。
对于具有TensorFlow的拥抱脸BERT.AutoModel模型，"KerasTensor"对象没有属性"size"的错误可能是由于以下几种情况引起的：
- 拼写错误：请确保准确地输入了属性名称。在这种情况下，"size"可能不是"KerasTensor"对象的有效属性。建议查阅TensorFlow官方文档或相关API文档以获取正确的属性名称和使用方法。
- 版本不匹配：由于TensorFlow库的更新迭代，某些属性或方法可能已经更改或被弃用。请检查您使用的TensorFlow版本是否与您参考的文档或示例代码版本相匹配。建议升级到最新版本，并查看最新的文档和示例以获取正确的属性和方法。
- 引入错误：请确保已正确导入并实例化了所需的类和对象。在这种情况下，"KerasTensor"对象可能未正确实例化或引入。可以检查代码中的导入语句和对象实例化是否正确，并确保它们符合TensorFlow的要求。
针对这个具体的错误，如果需要更详细的帮助和支持，建议参考腾讯云的相关文档和资源，如腾讯云社区、官方文档、开发者论坛等。这些资源将提供更深入的问题排查和解决方案。
相关·内容
我正在为tensorflow keras序列模型的model.fit()方法编写一个自定义的model.fit回调函数。回调函数用于绘制模型所做的预测，因此需要将模型的输入转换为numpy数组，并将其输入到model.predict()中。我使用self.model.inputs访问输入，这是一个KerasTensor对象的列表，第0索引处的那个就是我想要的。我尝试了以下方法
class my_visualizer(tf.keras.callbacks.Callback):
def on_train_end(self, logs=None):
x = tf.kera
浏览 5提问于2021-03-17得票数 10
我正在尝试将"KerasTensor“转换为numpy数组。我已经尝试过将KerasTensor转换为tf.Tensor (没有运气)。我还尝试过使用tensor.numpy()、tensor.eval()和keras.backend.eval(张量)--所有这些都不起作用。尝试".numpy()“和".eval()”将得到AttributeError：'KerasTensor‘对象没有属性'numpy’错误。如何将提取的KerasTensor转换为numpy数组或EagerTensor，以便可以使用.numpy()方法？
Tensorflow版本: 2
浏览 4提问于2022-02-22得票数 0
回答已采纳
我正在tensorflow 2上工作，我使用了Hugface的预训练BERT和Tensorflow 2来做文本分类，这里我想用它来创建神经网络:从tensorflow.keras导入层 from transformers import AutoModel
encoder = AutoModel.from_pretrained("bert-base-uncased")
## create neural network input
input_ids = layers.Input(shape=(max_len,), dtype=tf.int32)
token_type_i
浏览 16提问于2021-04-27得票数 1
下面是一个简化的代码示例：
class MyCustomLayer(keras.layers.Layer):
def __init__(self, num_filters=64, kernel_size=3):
keras.layers.Layer.__init__(self)
self.conv_1 = keras.layers.Conv2D(filters=num_filters,
kernel_size=kernel_size)
def c
浏览 0提问于2021-03-30得票数 1
2回答
如何获得概率层的形状？
、、、
我是一个具有TensorFlow概率层的建筑模型。当我这样做时，model.output.shape，我得到一个错误： AttributeError: 'UserRegisteredSpec' object has no attribute '_shape' 如果我这样做了，output_shape = tf.shape(model.output)它给出了一个Keras张量： <KerasTensor: shape=(5,) dtype=int32 inferred_value=[None, 3, 128, 128, 128] (created by l
浏览 35提问于2021-08-19得票数 2
回答已采纳
当我试图在keras功能模型的定义中使用tf.map_fn时，我得到了错误：
TypeError: Could not build a TypeSpec for <KerasTensor: ...
例如，这个简单的模型将触发tf-nightly 2.5.0中的错误：
import tensorflow as tf
from tensorflow.keras.layers import Input
from tensorflow.keras.models import Model
x = Input(shape=(10,))
y = tf.map_fn(lambda x : x *
浏览 1提问于2021-01-20得票数 3
我试图使用keras编写一个具有非共享权重的多分支网络，但网络的输入出现了问题。我期望输入的形状是(None, 30, 64, 64, 3)，但是网络收到的输入形状是(None, None, None, None)。 每个分支网络都是一个VGG网络。 def vggLstmNet():
inp = Input(shape=(flameSize, size, size, 3)) # (30,64,64,3)
x = TimeDistributed(Conv2D(64, kernel_size=(3, 3), padding='same', activation='r
浏览 93提问于2021-10-22得票数 0
有人能帮我解决这个问题吗？tensorflow真的很烦人
警告:tensorflow:模型是为输入KerasTensor(type_spec=TensorSpec(shape=(None，188 )，dtype=tf.float32，name=' input _9')，name=' input _9'，description=“(由层‘input_9’创建)使用shape (None，188)构造的，但它是对不兼容的形状(188，)调用的。
浏览 10提问于2022-07-07得票数 1
回答已采纳
我对Keras和AI完全陌生。我在Ubuntu20.04下有Keras2.9和Python3.8.10。我有一个模型训练使用2X输入和一个Y，技术上的训练运行。现在我想用两个输入来预测Y，但是它失败了。培训是使用以下代码片段完成的(我认为这里只有输入和输出格式是有趣的)：
def generate(aBatchSize:int=32, aRepeatParameter:int=2, aPort:int=12345):
dim = (512, 512)
paraShape = (aRepeatParameter * 2,)
def generator():
while Tr
浏览 3提问于2022-09-09得票数 0
回答已采纳
我一直在开发带有keras回调的Tensorflow模型，但是每次我尝试实现早期停止时，我都会得到以下错误：
从tensorflow.keras.callbacks.Earlystopping(patience=2) AttributeError EarlyStopping，ModelCheckpoint -->2 early_stopping =early_stopping AttributeError:模块'tensorflow_core.keras.callbacks‘中没有属性’早停止‘的AttributeError跟踪(最近一次调用)
守则是：
from ker
浏览 2提问于2020-03-31得票数 0
1回答
我对Keras和AI完全陌生。我在Ubuntu20.04下有Keras2.9和Python3.8.10。我有一个2输入模型，它使用由C++函数生成的合成数据.我使用C++调用Pybind11函数。函数返回一个512×512灰度图像和一个数字。我把这些与生成的参数数一起给模型，在一个向量中有重复的两个数。对模型进行培训会给出以下错误信息：
[INFO] training model...
Epoch 1/10
2022-08-22 18:36:27.276873: W tensorflow/core/framework/op_kernel.cc:1733] INVALID_ARGUMENT: T
浏览 4提问于2022-08-22得票数 1
回答已采纳
当我尝试用tensorflow重新训练模型时，它显示了一个错误： **error module 'tensorflow_hub' has no attribute 'KerasLayer'** 代码是： print("Building model with", MODULE_HANDLE)
model = tf.keras.Sequential([
hub.KerasLayer(MODULE_HANDLE, output_shape=[FV_SIZE],
trainable=do_fine_tuning),
tf.ker
浏览 23提问于2019-04-23得票数 0
回答已采纳
我使用的是一个预先训练好的(用Python语言编写的) Keras模型，方法是使用tensorflow.js将其加载到JavaScript中，并使用tensorflow.js库。该模型有一个GaussianNoise输入层和一个GaussianDropout层，分别具有stddev和rate属性。
加载模型后，请执行以下操作：
let model;
(async function () {
model = await tf.loadLayersModel("TensorFlowModels/dnn_fscav.json");
})();
在同一路径中，我将权重保存在一个
浏览 1提问于2021-01-03得票数 0
我第一次尝试使用Tensorflow
以下是我从教程中获得的代码：
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
learn = tf.contrib.learn
tf.logging.set_verbosity(tf.logging.ERROR)
mnist = learn.datasets.load_dataset('mnist')
data = mnist.train.image //THIS IS WHERE THE ERROR OCCURS
labels = np
浏览 3提问于2016-12-28得票数 5
回答已采纳
我试图在定制的Keras层中使用tf.while_loop创建N张量。这里，N(代码中的timesteps)是一个Keras符号张量(整数标量)。下面的代码是函数模型中我的定制Keras层的__call__方法。
import tensorflow as tf
from keras import backend as K
# timesteps = tf.constant(7) ## This makes this code work!!
timesteps = K.shape(inputs)[1] ## Or equivalently provided by timesteps = ker
浏览 43提问于2022-03-27得票数 1
回答已采纳
此示例函数返回keras张量字典：
import pandas as pd
import tensorflow as tf
def create_input_tensors(data: pd.DataFrame) -> Dict[str,tf.keras.engine.keras_tensor.KerasTensor]:
"""Turns each dataframe column into a keras tensor and returns them as a dict"""
tensors = {}
for nam
浏览 3提问于2022-08-08得票数 3
回答已采纳
我正在通过TensorFlow和CNTK来设置和使用Keras来比较和学习这两种系统。我已经成功地设置了TensorFlow部分，但是当我切换到CNTK时，我得到了一个错误，我不知道如何修复它。看起来问题出在Model命令上，但是如果我修改它以适应CNTK方法，我将不得不保留我的代码的多个版本，这就失去了Keras的部分意义；有没有办法在Keras中原生地做到这一点，以便与两者兼容？代码是的第三部分。
我收到一个dll错误，如下所示：
C:\Users\shaff\AppData\Local\conda\conda\envs\KerasTensor\python.exe "C:/Use
浏览 1提问于2017-12-26得票数 1
1回答
我遇到了在大输入序列上评估拥抱脸的BERT模型(‘bert-base’)的问题。
model = BertModel.from_pretrained('bert-base-uncased', output_hidden_states=True)
token_ids = [101, 1014, 1016, ...] # len(token_ids) == 33286
token_tensors = torch.tensor([token_ids]) # shape == [1, 33286]
segment_tensors = torch.tensor([[1] * len(to
浏览 4提问于2020-09-24得票数 1
回答已采纳
我真的需要知道最好的预先训练的模型来检测面孔和/或人的头部。不是人脸识别模型，而是只分类一个物体是否是一个人的头/脸。
我正在tensorflow.keras.applications.resnet50的D1之上实现一个，但我不确定这是否是一个好方法。
其他模型，如centernet和efficientnet in tensorflow，都是预先训练来检测几个对象的，但我不确定我是否也能为此目的使用它。
我需要比OpenCV提供的更好的东西(例如cv2.HOGDescriptor、cv2.CascadeClassifier等)。
浏览 0提问于2020-11-18得票数 0
回答已采纳
我试图使用tf.keras.Input创建一个输入层，使用type_spec参数来使用Tensorflow的Functional指定DatasetSpec的输入，以便以后可以迭代它。如果我试图通过指定形状来定义输入层，就会收到错误消息，抱怨不允许在tf.tensor上进行迭代。
X = np.random.uniform(size=(1000,75))
Y = np.random.uniform(size=(1000))
data = tf.data.Dataset.from_tensor_slices((X, Y))
data = data.batch(batch_size=100, dr
浏览 11提问于2022-10-10得票数 0
回答已采纳
1回答
我有以下情况：
我想使用Tensorflow服务部署一个人脸检测器模型：。
在Tensorflow服务中，有一个名为--enable_batching的命令行选项。这将导致模型服务器自动对请求进行批处理，以最大限度地提高吞吐量。我想让这个启用。
我的模型接受一组图像(称为图像)，这是形状(batch_size, 640, 480, 3)的张量。
该模型有两个输出：(number_of_faces, 4)和(number_of_faces,)。第一个输出将称为faces。最后一个输出(我们可以称之为分区)是对应面的原始批处理中的索引。例如，如果我传入一批4张图像，得到7张face
浏览 3提问于2017-09-17得票数 2
1回答
目前，在使用Tensorflow 2时，我的张量得到了以下错误：
tensorflow:模型是用形状(None，8)构造的，用于输入KerasTensor(type_spec=TensorSpec(shape=(None，8)，dtype=tf.float32，name='dense_input')，name='dense_input'，description=“由层‘dense_input’创建的，但是它被调用到不兼容的形状(None，1，8)上。
我只是想知道如何重塑它，得到一个无，8而不是无，1，8的形状。我以前使用过tf.reshape，但我不知道如
浏览 3提问于2021-10-19得票数 0
我正在尝试使用一些数据运行tensorflow DNNClassifier模型，这些数据是我从csv读取的。即使我将每一列的数据类型转换为float32，我仍然没有得到'DataFrame‘对象没有'dtype’属性的错误。如果你能帮助我，我将不胜感激。
数据格式: 27列，23输入，4类
谢谢
import numpy as np
import pandas as pd
import tensorflow as tf
import matplotlib.pyplot as plt
%matplotlib inline
factors = pd.read_csv('
浏览 0提问于2018-12-08得票数 5
1回答
序贯模型预测
、、、、
我从文件中获取数据： y = np.genfromtxt('dataY.txt', dtype=np.float32) #input data for target dataset
x = np.genfromtxt('dataX.txt', dtype=np.float32)#input data for input dataset 我相应地拆分数据 xtrain, xtest, ytrain, ytest = train_test_split (x,y,test_size=.2)
train_data = tf.data.Dataset.from_tens
浏览 41提问于2021-07-13得票数 0
我试图用tensorflow as加载我在tensorflow (Python)中开发的模型，并对输入测试进行预测，如下所示：
tf_model = await tf.loadGraphModel('http://localhost:8080/tf_models/models_js/model/model.json')
let test_output = await tf_model.predict(tf.tensor2d([0.0, -1.0, 1.0, -1.0, 0.0, 0.0, 0.0, 0.0, 0.0], [1, 9], 'float32'))
c
浏览 7提问于2022-08-21得票数 0
这是我的进口品：
import tensorflow as tf
import keras
from keras.models import Sequential, Model
from keras.layers import Conv2D, Flatten, MaxPooling2D, Dense, Input, Reshape, Concatenate, GlobalAveragePooling2D, BatchNormalization, Dropout, Activation, GlobalMaxPooling2D
from keras.utils import Sequence
我定
浏览 0提问于2020-07-31得票数 2
回答已采纳
您好，我正在制作一个用于训练数据集的模型，但是在我的resnet_model中，我遇到了属性错误，所以请帮助我解决这个错误。下面是代码： from Lib.data_loader import DataLoader
from Lib.resnet_model import Resnet3DBuilder
from Lib.HistoryGraph import HistoryGraph
import Lib.image as img
from Lib.utils import mkdirs
#import tensorflow as tf
import os
from math impor
浏览 411提问于2021-05-08得票数 1
回答已采纳
import tensorflow as tf
from keras.models import Sequential
from keras.layers import Dense
model = Sequential([ Dense(32, activation='relu', input_shape=(5038,)), Dense(32, activation='relu'), Dense(881, activation='sigmoid'),])
model.compile(optimizer='sgd'
浏览 13提问于2020-04-01得票数 1
我想保存虚拟的tensorflow模型，以便稍后与tensorflow服务一起使用。我尝试使用以下代码片段来准备这样的模型：
import tensorflow as tf
input0 = tf.keras.Input(shape=[2], name="input_0", dtype="int32")
input1 = tf.keras.Input(shape=[2], name="input_1", dtype="int32")
output = tf.keras.layers.Add()([input0, input1])
浏览 4提问于2022-09-28得票数 0
回答已采纳
在使用BlazeFaceModel将脸发送到另一个模型之前，我使用Tensorflow.js检测人脸
当我使用自定义模型并试图获得张量输出时，我使用了下面的代码，它可以返回张量。
const returnTensors = true;
const faces = await blazeModel.estimateFaces(tensor, returnTensors);
if (faces !== null) {
// Download the tensors to view the shape
const face = faces.dataSy
浏览 0提问于2020-09-12得票数 1
回答已采纳
我想训练拥抱脸的甜甜圈(文件理解变压器)，但我需要帮助，在创建培训数据。
甜甜圈github：
甜甜圈官方文件：
如果有人已经创建和训练了模型，请提供帮助。
浏览 10提问于2022-08-30得票数 0
1回答
我遵循教程使用自定义层进行预处理.
def pre_process(file_path):
# loading file from disk and transforming into [90,13,1]
class PreProcessBlock(layers.Layer):
def __init__(self):
super(PreProcessBlock,self).__init__()
def call(self, inputs):
return pre_process(inputs.numpy())
浏览 2提问于2020-12-29得票数 0
回答已采纳
1回答
我正在开发一款使用Firebase的MLKit进行人脸检测的应用程序。然后，我获取检测到的人脸，并通过自定义tensorflow模型运行它 问题是我的自定义tensorflow模型要求人脸是笔直的。如果用户的脸被旋转了，我就得不到准确的结果 有没有办法旋转一张脸部图像，让它变直呢？我该如何用MLKit做到这一点呢？ 我当前获取人脸图像的方法是使用AVCaptureSession (iOS)，然后根据mlkit中的face对象中给出的边界对图像进行剪切。它可以工作，但同样，如果用户的脸不是笔直的，我最终会得到一个旋转的脸
浏览 21提问于2020-07-08得票数 0
回答已采纳
1回答
使用ONNX转换模型
、、、、
伙计们，我正在做一个情感分析项目，我把一个BERT模型转换成了一个ONNX模型，因为当我想给它一个可以预测的巨大数据时，原来的模型有一个庞大的运行时。但是现在我不知道如何使用这个ONNX模型。当我以正常的方式运行模型时，我将粘贴我的原始代码。
顺便说一句，如果有人建议优化这种代码或模型，而不需要使用ONNX或Openvino，我会很感激的。
对拥抱脸网站的建模
cosining = spatial.distance.cosine
X_pos_test = model.encode(pos_test)
X_neg_test = model.encode(neg_test)
sentence_to
浏览 3提问于2022-03-30得票数 0
回答已采纳
我正在使用functional构建tf keras模型。该模型将很好地训练大内存映射数组。但是，由于许多原因，使用tensorflow Dataset对象是有利的。因此，我使用from_tensor_slices()将数组转换为Dataset对象。问题是，这种模式将不再训练。
keras：表示dataset对象是可接受的。
我所遵循的关于如何训练的指南可以在这里找到：
关于如何使用keras的指南是。但是，没有概述使用tf Dataset对象来训练函数API模型。
在此提供了一部MWE：
import numpy as np
import tensorflow as tf
from tenso
浏览 17提问于2022-02-10得票数 1
回答已采纳
当我尝试运行efficientNetv2模型时，我得到了这个erreur
AttributeError:模块‘AttributeError.keras.application’没有属性'efficientnet_v2‘
Tensorflow版本: tensorflow-gpu:2.6
浏览 7提问于2022-11-11得票数 -2
脚本： import tensorflow.python
tensorflow.python AttributeError格式的结果 AttributeError: module 'tensorflow' has no attribute 'python' 这怎么会发生呢?和from tensorflow.python import keras一样，from tensorflow import python也是按预期工作的。我认为我理解了Python导入机制的基础知识，但是我不明白在没有将x.y添加到名称空间的情况下，import x.y在什么情况下似乎是成功
浏览 14提问于2019-06-26得票数 1
回答已采纳
我已经训练了一个基于Keras的自动编码器模型，输入层如下： depth = 1
width = height = 100
input_shape = (height, width, depth)
inputs = Input(shape=input_shape)
# rest of network definition ... 我的训练图像的宽度和高度是100像素的灰度，因此深度为1。现在我想在另一个脚本中加载我的训练模型，在那里加载图像，调整大小并将其发送到Keras模型： size = 100
image = cv2.imread(args.image, cv2.IMREAD_GRAY
浏览 30提问于2021-04-02得票数 1
回答已采纳
我正在使用自定义正则化程序，我将在模型中的第一个隐藏层权重中使用它。
数据
XTrain,YTrain),(XTest,YTest)=mnist.load_data()
XTrain=XTrain.reshape(XTrain.shape[0],XTrain.shape[1]*XTrain.shape[2])
XTest=XTest.reshape(XTest.shape[0],XTest.shape[1]*XTest.shape[2])
YTrain=to_categorical(YTrain)
YTest=to_categorical(YTest)
自定义规则器
def layer1_re
浏览 6提问于2020-07-05得票数 1
3回答
我想从预先训练的Keras模型中删除第一个N层。例如，EfficientNetB0，其第一个3层只负责预处理：
import tensorflow as tf
efinet = tf.keras.applications.EfficientNetB0(weights=None, include_top=True)
print(efinet.layers[:3])
# [<tensorflow.python.keras.engine.input_layer.InputLayer at 0x7fa9a870e4d0>,
# <tensorflow.python.keras.l
浏览 14提问于2021-04-20得票数 7
回答已采纳
我使用的是Keras的LSTM模型。 输入数据形状：(无，210，4) “210”是“21个样本*10” 称为输入数据形状：(无，21，4) 这本应是个问题，但事实并非如此。 我可以连续使用这个吗？ 为什么会出现这样的问题？ 警告:tensorflow:模型是使用输入输入( KerasTensor(type_spec=TensorSpec(shape=(None，210，4)，dtype=tf.float32，name='lstm_ input ')，name='lstm_ input '，description=“由层‘lstm_input’”创建)的sha
浏览 12提问于2021-05-05得票数 0
我面临与TensorFlow有关数据生成器迭代器的问题。我想使用顺序模型，我从数据帧创建了数据格式数据生成器。现在我想训练顺序模型，我把这个数据生成器作为输入，现在我面临着属性错误。
有什么办法可以解决这个错误吗。
下面是我如何使用Keras的图像生成器：
datagen = ImageDataGenerator()
data = datagen.flow_from_dataframe(
dataframe=dataSet,
directory=None,
x_col="x_col",
y_col='target',
we
浏览 2提问于2020-06-27得票数 0
1回答
我将两个LSTM模型的两个掩蔽层合并如下：
当我建立顺序模型时，它给了我一个错误。
model = Sequential()
merged = Concatenate(axis=1)([s1rnn.output,s2rnn.output])
model.add(merged)
model.add(Dense(1))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model.fit([X1,X2], Y,batch_si
浏览 3提问于2022-05-24得票数 0
回答已采纳
1回答
我正在用Tensorflow作为后端，尝试在GPU上训练Keras模型。
根据的说法，我已经把一切都安排好了。这是我的设计：
我正在虚拟环境中的木星笔记本上工作。
当前的虚拟环境已经安装了tensorflow-gpu。
我有CUDA 9.1和cudaDNN为CUDA 9.1安装。
cuDNN64_7.dll位于一个可以通过PATH变量访问的位置。
我有一个NVIDIA GeForce GTX 780在我的电脑与最新的驱动程序。
然而，Tensorflow没有看到任何可用的GPU：
from tensorflow.python.client import device
浏览 1提问于2018-05-15得票数 9
回答已采纳
1回答
converter = tf.lite.TFLiteConverter.from_keras_model( './signet.h5')
tflite_model = converter.convert()
with open('model.tflite', 'wb') as f:
f.write(tflite_model)
AttributeError Traceback (most recent call last)
~\AppData\Local\Temp/ipykernel_2
浏览 43提问于2021-10-23得票数 1
我试图使用传输学习使用ResNet-50在TensorFlow2和Keras上的CIFAR-10数据集，其中有(32，32，3)图像。
默认的ResNet-50的第一个conv层使用的过滤器大小为(7，7)，步幅= 2，由此产生的CIFAR-10在空间上减少了太多，这是必须避免的。作为“黑客”，图像试图从(32，32)提升到(224,224)。守则是：
import tensorflow.keras as K
# Define KerasTensor as input-
input_t = K.Input(shape = (32, 32, 3))
res_model = K.applica
浏览 8提问于2021-05-12得票数 0
我正在用更新的模型重新运行我的内核。之前内核运行得很好，我已经运行了6次。但是现在这个内核抛出了以下错误： ---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-18-e6baca729854> in <module>
1 # don't use hardcode vide
浏览 24提问于2020-01-26得票数 0
回答已采纳
我在Keras中实现ResNet 50时出错，我在input_tensor上设置初始化值。我目前正以这种方式使用这个模型，6天前我得到了ValueError:意外地发现了一个<class 'keras.engine.keras_tensor.KerasTensor'>类型的实例。应为符号张量实例。我尝试过使用keras_placeholder，并且工作正常，但是last_layer开始给我带来更多麻烦。我以为是关于Keras版本的，但我安装了其他版本，他们给了我一些我没有的错误。有人知道我能做什么吗？
image_input = Input(shape=(width
浏览 84提问于2021-05-30得票数 0
尝试运行命名实体识别模型的示例代码作为实践。 参考文章是：Named Entity Recognition (NER) with keras and tensorflow github：https://github.com/nxs5899/Named-Entity-Recognition_DeepLearning-keras 然而，我已经堆叠了tensorflow版本的版本差异。 因为我不熟悉Tensorflow，所以我不能根据更改的描述修改示例代码。 如果您能分享有用的文章或GitHub，以使用原始数据构建命名实体识别模型，我也将不胜感激。 错误消息 ---> 11 sess =
浏览 48提问于2021-07-05得票数 0
回答已采纳
我有一段代码用于加载一个执行良好的BERT模型，但现在它引发了一个错误。
这是代码
model = load_trained_model_from_checkpoint( config_path、checkpoint_path、trainable=True、seq_len=SEQ_LEN、output_layer_num=4 )
现在它引发的错误是：
AttributeError：'tuple‘对象没有属性'layer’
环境设置如下：
keras-bert=0.85.0
keras=2.4.3
tensorflow=1.15.2
事先非常感谢
浏览 5提问于2022-02-03得票数 0
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
腾讯云开发者
