我遵循https://www.tensorflow.org/alpha/tutorials/load_data/text中的示例
加载我自己的数据集并对其中的句子运行二进制分类(TensorFlow 2.0)。
我对示例所做的唯一更改是正在使用的数据集(我从https://github.com/UKPLab/emnlp2017-claim-identification/tree/master/src/main/python获取),由于标签只能是0或1,所以我将loss函数更改为binary_crossentropy
,并将优化器更改为RMSprop
。
在拟合与教程中提出的模型相同的Keras模型时,我经常收到以下错误:
2019-04-29 13:51:15.609297: E tensorflow/core/grappler/optimizers/meta_optimizer.cc:495] constant folding failed: Invalid argument: Unsupported type: 21
2019-04-29 13:51:15.882000: E tensorflow/core/grappler/optimizers/meta_optimizer.cc:495] constant folding failed: Invalid argument: Unsupported type: 21
这些指纹之间的拟合过程仍在推进,从以下方面可以明显看出:
^{pr2}$但它并没有将损失最小化,而是实际上是在最大化损失,每次迭代后精度都会下降。
(事实上,如果准确度度量是正确的,那么如果我只使用not [prediction]
),它将是一个非常好的分类器。
这里有没有人可以向我解释这个错误的含义,以及它是否与模型的奇怪行为有关(希望如何修复它)?我一直在尝试寻找类似的错误,但找不到。
谢谢!在
链接https://www.tensorflow.org/beta/tutorials/load_data/text中提到的教程与您的数据集有一个关键区别。在
在教程中,标签是0、1和2,即
cowper.txt
中的所有句子都被标记为0
,derby.txt
中的所有句子都被标记为1
,butler.txt
中的所有句子都被标记为2
。但是在您的数据集中,Labels
位于Text Files
每个句子的末尾。在我已经执行了部分数据集的代码,如下所示:
为了处理上述差异,函数
^{pr2}$labeler
应该修改如下:之后,我将loss函数改为
binary_crossentropy
,并将优化器改为RMSprop
,如下所示:一切如期而至。输出的屏幕截图如下所示。在
如果你觉得这个答案有用,请接受这个答案和/或投赞成票。谢谢。在
相关问题 更多 >
编程相关推荐