【发布时间】：2019-12-16 11:10:27
【问题描述】：
注意：我已经解决了我的问题，但我发布了这个问题以防其他人也有它，因为我不明白我是如何解决它的。
我正在使用 Tensorflow 后端在 Keras 中构建命名实体分类器（序列标签模型）。当我尝试拟合模型时，我得到了这个错误（令人惊讶的是，它只返回 4 个 Google 结果）：
"If your data is in the form of symbolic tensors, you should specify the `steps_per_epoch` argument (instead of the batch_size argument, because symbolic tensors are expected to produce batches of input data)."
This stackoverflow post 讨论了这个问题，有人向操作员建议：
Fit() 使用的数据张量之一是符号张量。 one hot label 函数返回一个符号张量。尝试类似：
label_onehot = tf.Session().run(K.one_hot(label, 5))
然后我在this (not related) site阅读：
Wolfram 系统还具有强大的算法来处理表示 [...] 数组的表达式的代数组合。这些表达式称为符号数组或符号张量。
这两个来源让我认为符号数组（至少在 TensorFlow 中）可能更像是尚未计算的函数数组，而不是实际值。
所以，使用%whos 查看我的所有变量，我看到我的X 和Y 数据是张量（而不是我通常用于模型的数组）。数据/信息列对它们有相当复杂的描述，但是一旦我解决了我的问题，我就丢失了它，我无法弄清楚如何回到出现错误的状态。
无论如何，我知道我通过更改我的数据预处理解决了这个问题，以便X 和y 数据（即X_train 和y_train）属于<class 'numpy.ndarray'> 类型和维度(num sents, max len) 用于X_train 和 (num_sents, max len, 1) 用于y_train（1 是必要的，因为我的最后一层需要 3D 输入）。现在模型工作正常。但我仍然想知道，这些符号张量是什么，以及如何/为什么使用每个时期的步数而不是批量大小应该有帮助？我最初也尝试过，但没有运气。
【问题讨论】：
-
应该包含产生问题的代码，因为它为您的问题提供了上下文
-
嗨，Matias，我知道，我很抱歉，但正如我所提到的，我无法将其恢复到错误状态。如果有几个人告诉我应该删除帖子，我可以删除该帖子，但我希望有人可以在没有代码的情况下大致知道什么是符号张量。
-
就上下文而言，我的意思是例如您当前的 fit 调用以及产生 x 和 y 值的代码，因为符号张量有很多种，这将有助于回答您的问题。
-
是的，我明白了，但我不再得到符号张量，我的变量现在都不是张量，我不知道以前产生张量的错误在哪里。所以我的问题通常是“张量流中的符号张量是什么”，我想我会包括我解决原始问题的方式，以防它间接帮助其他人。但我想我会删除帖子。抱歉，我知道你想帮忙。
标签： python tensorflow keras tensor