【发布时间】：2021-11-26 03:33:01
【问题描述】：
我正在从事一个项目“新闻分类”。模型必须将给定文本分类（多类分类问题）为商业、娱乐、政治、体育和科技。
我在 Google Colab 上使用 TensorFlow==2.7.0。我训练了 7 个不同的模型。之后，对其进行训练和预测。与所有模型相比，Conv1d 表现最好。表现最好的模型保存了model_2.save('saved_model/my_model')。它一直做得很好。
但是，当我想使用代码加载保存的模型时
loaded_model = tf.keras.models.load_model('saved_model/my_model') 那么，我得到以下异常：
TypeError Traceback (most recent call last)
<ipython-input-129-c92edaf0db7f> in <module>()
----> 1 load_model = tf.keras.models.load_model('saved_model/my_model')
2 # load_model.preditct(val_sentences)
1 frames
/usr/local/lib/python3.7/dist-packages/tensorflow/python/framework/tensor_util.py in make_tensor_proto(values, dtype, shape, verify_shape, allow_broadcast)
547 str_values = [compat.as_bytes(x) for x in proto_values]
548 except TypeError:
--> 549 raise TypeError(f"Failed to convert elements of {values} to Tensor. "
550 "Consider casting elements to a supported type. See "
551 "https://www.tensorflow.org/api_docs/python/tf/dtypes "
TypeError: Exception encountered when calling layer "conv1d" (type Conv1D).
Failed to convert elements of tf.RaggedTensor(values=tf.RaggedTensor(values=Tensor("Placeholder:0", shape=(None, 128), dtype=float32), row_splits=Tensor("Placeholder_1:0", shape=(None,), dtype=int64)), row_splits=Tensor("conv1d/Conv1D/RaggedExpandDims/RaggedFromUniformRowLength/RowPartitionFromUniformRowLength/mul:0", shape=(None,), dtype=int64)) to Tensor. Consider casting elements to a supported type. See https://www.tensorflow.org/api_docs/python/tf/dtypes for supported TF dtypes.
Call arguments received:
• inputs=tf.RaggedTensor(values=Tensor("Placeholder:0", shape=(None, 128), dtype=float32), row_splits=Tensor("Placeholder_1:0", shape=(None,), dtype=int64))
【问题讨论】：
-
可以分享 colab 的要点或可重现的代码 sn-p。谢谢
-
@TFer 尝试从此处保存和加载模型时出现相同的错误：keras.io/examples/nlp/text_classification_from_scratch 这似乎是 TextVectorization 层的问题
标签： python tensorflow machine-learning keras deep-learning