这是BERT分类器的代码。错误代码在此问题的末尾： ## distil-bert tokenizer
tokenizer = transformers.AutoTokenizer.from_pretrained('distilbert-base-uncased： InvalidArgumentError: Input to reshape is a tensor with 3200 values, but the requested shape ha
浏览 28提问于2020-10-21得票数 0
我正在处理人脸检测任务，我是计算机视觉的新手。但我得到了一些问题，我已经尝试了一些变化，但对我不起作用。batch_size = 1, verbose=1, callbacks=[checkpoint, reduce_lr, stop])在执行上面的代码并得到以下错误后(0) Invalid argument: Input to reshape is a tensor with 64 values, but the requested shape has4
[[{{no
浏览 4提问于2019-11-30得票数 1
我有一个形状的张量A (300,256,256)。我想序列化A以保存为tfrecord格式。但我不能把它转换回相同形状的张量。A = tf.convert_to_tensor( *a numpy array with float32 type* )C = tf.reshape(tf.io.decode_raw(B, out_type=tf.float32),[300,256,256])
如果运行上面的代码，就
浏览 1提问于2020-02-12得票数 2
回答已采纳
在tensorflow图的构造中没有出现错误，但是在tf.gradients图的计算过程中，我得到了一个形状不匹配的误差(我猜是在反向传播中)。这是我得到的错误：
输入整形是一个16777216值的张量，但所请求的形状有4
浏览 1提问于2018-03-17得票数 2
回答已采纳
我是tensorflow.When的新手，我试着修改模型结构，我把一个张量'r'，它的形状是(None,1 )，转换成带有tf.reshape(r,4，)的一维张量，然后输入到稠密层中。一维张量的形状为(4，)，稠密层的input_shape设置为(4，)，出现错误。ValueError:层
浏览 5提问于2022-10-26得票数 0
1回答
我想将我的数据从2d转换到3d，为此我创建了自动编码器，其中代码(隐藏层)有3个神经元。当训练开始时，它抛出异常。(X,(count,1,2)) epochsbatch_size=100, validation_data=(x_test, x_test))
抛出异常的实际结果----------
浏览 17提问于2019-07-23得票数 0
我正在使用HuggingFace的变压器库，使用Keras和BERT构建一个多类文本分类模型。为了将输入转换成所需的bert格式，我使用了在BertTokenizer类中找到的BertTokenizer方法
tf_bert_for_sequence_classification_3/bert/embeddings&
浏览 3提问于2020-04-10得票数 3
回答已采纳
我正在尝试实现一个tensorflow Estimator，并得到一个形状不匹配的错误，我不知道如何调试。我想我可能误解了如何指定tf.feature_column的形状。我的意图是创建一个有6010个输入的模型。任何建议都将不胜感激。/shape)]]
数据的形状和我预期的一样，但是feature_column似乎期待着它的正方形。，
浏览 0提问于2018-04-12得票数 1
回答已采纳
1回答
我想做这样的事：[[1 2] [5 6]]input = tf.reshape(input,[-1])
所以现在输入变成[1 2 3 4 5 6]。但是，我还创建了一个一维张量，它对前一个张量进行索引，因此所需的输出是[0 0 1 1 2 2]。我应该如何
浏览 2提问于2017-09-16得票数 3
回答已采纳
我的模型期望输入错误所建议的[null,12]。当我创建一个张量时 tf.tensor([12 values], [null, 12]) 它抛出这个Error: Tensor must have a shape comprised of positive
浏览 50提问于2020-04-09得票数 2
2回答
密集层给我二维阵列
、、、
keras.models.Sequential()model.add(Dense(2,activation = 'linear')print(state)
[-0.00315391 -0.0150189 0.01804181 0.02032083]
这就是我对我的模型的预测我期待输出(2,1)形状<
浏览 1提问于2021-08-30得票数 0
回答已采纳
1回答
我有一个经过训练的TF模型，它对序列化(TFRecord)输入进行操作。图像数据具有可变形状，并通过tf.image.resize_images(...)转换为229x229x3形状。我希望使用类似于gcloud ml-engine predict 的，确保接受任何大小的图像作为输入。我从以下函数获得我的features张量(传递给预测图)：
def jpeg_serving_input_fn():
浏览 2提问于2017-03-21得票数 2
回答已采纳
1回答
形状不匹配，2D输入和2D标签
、、、、
我想要创建一个神经网络，-easy -用一个图像(灰度)创建一个图像，我已经成功地创建了一个由3200个输入和输出(标签)图像示例组成的数据集。(我知道数据集应该更大，但这不是现在的问题)
输入符号具有大小(3200，50，30)，因为它是50*30像素，输出yout的大小是(3200，30，20)，因为它是30*20像素。我想尝试一个完全连接的网络(稍后在CNN上)--完全连接<
浏览 2提问于2020-03-22得票数 0
回答已采纳
你好，我正在用Tensorflow.js创建我的第一个神经网络。}
我最后得到了一个错误：
未知(承诺)错误:在检查输入时出错:期望dense_Dense1_input有2，但得到了形状为2,1的数
浏览 1提问于2021-07-04得票数 0
回答已采纳
1回答
实际上，我正试图在Keras和Tensorflow中构建一个LSTM模型。我的数据集大约有3200个项目，有4个特性和3个标签。X Shape: (3200, 4)如果我想要5次左右的步骤，那么我也必须像这样重塑：n_features = 4所以我得到了这些形状：
浏览 3提问于2020-08-07得票数 0
回答已采纳
tf.argmax(y,1))我正在阅读150x150灰度图像，但无法理解下面的错误Reshape_1/shape)]]根据这些编辑修改后得到了这个新错误：batch_sizemaxpool_reshaped = tf.reshape(maxpool_out2, [
浏览 13提问于2017-03-24得票数 24
回答已采纳
loss_class = model_classifier.train_on_batch([X_batch_for_classifier, X2_batch], [Y1_batch, Y2_batch]) InvalidArgumentError:输入整形是一个张量，值为1605632，但所请求的形状有100352 Op:Reshape。model_classifier的输
浏览 2提问于2021-09-03得票数 0
我有形状(100, 16, 16)的张量A和形状(100)的张量B，其中100是批大小。我想要创建一个具有(100, 16, 16)形状的A的二进制掩码，其中在掩码的每个元素(元素有形状(1, 16, 16))中，如果元素大于计算的分位数值，则值为1，否则为0。张量B中的每个元素依次表示A中每
浏览 1提问于2021-06-27得票数 0
回答已采纳
/ 255然后以60k为样本，确定输入形状为'accuracy']) y_train, epochs=25,)
我得到了错误: ValueError:在检查输入时出错:期望conv
浏览 3提问于2020-01-29得票数 0
回答已采纳
1回答
但是，我得到了以下错误：
我传递给model.fit()的model.fit()张量的形状是(44,906,1)，我的顺序模型</em
浏览 6提问于2021-07-09得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
