我正在对stanford140 dataset进行情绪分析
我设计了一个具有此体系结构的keras模型:
embedding_layer = layers.Embedding(12995, 300, weights=[embedding_vectors],
input_length= 50, trainable=False)
model = keras.models.Sequential()
model.add(embedding_layer)
model.add(layers.Conv1D(filters=128, kernel_size=3, activation='relu'))
model.add(layers.MaxPooling1D(pool_size=2,strides=2))
model.add(layers.LSTM(100))
model.add(layers.Dense(64))
model.add(layers.Dense(1, activation='sigmoid'))
下面的函数显示了我如何创建嵌入向量(嵌入向量用于前一段代码的嵌入层)
def _create_embedding_vectors(self):
self.vocab_size = len(self.tokenizer.word_index) + 1
embedding_vectors = np.zeros((self.vocab_size,300))
for word,i in self.tokenizer.word_index.items():
try :
embedding_vectors[i] = self.w2v[word]
except KeyError :
embedding_vectors[i] = np.zeros(300)
return embedding_vectors
self.vocab_size
是12995,并且self.tokenizer
已从tensorflow.keras.preprocessing.text
导入。
self.w2v
是谷歌新闻预训练向量
我训练了我的模特,在训练过程中一切都很好。因此,我对模型进行了酸洗,以供进一步使用
但在另一个文件中,我加载模型并向其传递一些句子以便对它们进行分类,分类器类会引发invalidargumeinterror。下面的代码显示了分类器类
class Classifier :
def __init__(self,path_to_model,path_to_tokenizer) :
self.model = self.load_model(path_to_model)
self.tokenizer = self.load_tokenizer(path_to_tokenizer)
def text_preprocessor (self,tweet) :
# remove user mentions
tweet =re.sub('\s*@[a-zA-Z0-9]*\s*',' ',tweet)
# remove signle character
tweet =re.sub('\s+[a-zA-Z0-9]\s+',' ',tweet)
# remove hashtag sign
tweet = re.sub('#','',tweet)
# remove underline
tweet = re.sub('_',' ',tweet)
# remove dash
tweet = re.sub('-',' ',tweet)
# translate &
tweet = re.sub('&', ' and ' , tweet)
# lower
tweet = tweet.lower()
# remove punctuation
tweet = ' '.join([token for token in nltk.word_tokenize(tweet) if token not in punctuation])
return tweet
def load_model(self,path_to_model) :
return keras.models.load_model(path_to_model)
def load_tokenizer(self,path_to_tokenizer) :
with open(path_to_tokenizer, 'rb') as file_reader:
tokenizer = pickle.load(file_reader)
return tokenizer
def transform_tweets(self,tweets) :
encoded_docs = self.tokenizer.texts_to_sequences(tweets)
max_length = 50
x_test = pad_sequences(encoded_docs, maxlen=max_length, padding='post')
return x_test
def predict(self,tweets) :
tweets = list(map(self.text_preprocessor,tweets))
x_test = self.transform_tweets(tweets)
y_pred = self.model.predict(x_test)
return np.round(y_pred)
当我将一些文本传递给模型以预测他们的情绪时,我面临着这个错误
(0) Invalid argument: indices[3,16] = 12399 is not in [0, 12210)
[[node sequential_111/embedding_111/embedding_lookup (defined at <ipython-input-2-71e9b0ec6210>:47) ]]
(1) Invalid argument: indices[3,16] = 12399 is not in [0, 12210)
[[node sequential_111/embedding_111/embedding_lookup (defined at <ipython-input-2-71e9b0ec6210>:47) ]] [[sequential_111/embedding_111/embedding_lookup/_6]]
有人能帮我避免这个错误吗
我在大约3周的时间里纠结这个错误。最后,通过在设计模型的代码中省略
input_length= 50
,我避免了这个错误:) 下面的代码显示了我是如何创建模型的希望对厌倦了这个错误的其他人有用
相关问题 更多 >
编程相关推荐