使用 Tensorflow_hub 和 Universal-sentence-encoder 时的困难答案

【问题标题】：Difficulties while using Tensorflow_hub and universal-sentence-encoder使用 Tensorflow_hub 和 Universal-sentence-encoder 时的困难
【发布时间】：2020-05-26 00:54:39
【问题描述】：

运行以下代码时，出现错误。有谁能帮助我吗？我正在使用 TensorFlow 2.1.0

import pandas as pd
import numpy as np
import tensorflow as tf
import tensorflow_hub as hub
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

print("GPU is", "available" if tf.test.is_gpu_available() else "NOT AVAILABLE")

tweets = pd.read_csv('dataset.csv')
print(tweets.columns)
labels = tweets[['Sentiment']]
tweets = tweets[['SentimentText']]
tweets = tweets['SentimentText'].to_numpy()
embed = hub.KerasLayer("./model",  output_shape=[20],  input_shape=[],dtype=tf.string)
tf.compat.v1.logging.set_verbosity(tf.compat.v1.logging.ERROR)
with tf.compat.v1.Session() as sess:
     sess.run([tf.compat.v1.global_variables_initializer()])
     sess.run(embed(tweets))

我收到以下错误：

文件“/anaconda3/lib/python3.7/site-packages/tensorflow_core/python/framework/ops.py”，第 4727 行，在 _override_gradient_function 断言不是 self._gradient_function_map

断言错误

【问题讨论】：

您使用的是来自 tfhub.dev 的模型吗？如果是这样，请添加您正在使用的显式模型，并添加您从 csv 加载的数据示例。
@kempy 感谢您的回复。我的问题解决了。这段代码没有问题。我减少了数据集的长度并且它一直在工作。非常感谢

标签： python sentiment-analysis keras-layer tensorflow-hub tensorflow2.x

【解决方案1】：

为了社区的利益，在回答部分指定解决方案（即使在评论部分提到）。

在这种特定情况下，reducing the length of dataset has resolved the error 但一般来说，提供相应预训练模型的 URL 是一种很好的做法，以便于检查该模型的属性模型包括版本兼容性，这也提高了可读性。

【讨论】：

【解决方案2】：

我也遇到了这个问题。用tensorflow==2.0.0解决了（我原来用的是tensorflow==2.1.0）

【讨论】：

我也降级了我的TF版本。我现在使用的是 TF 2.0.0。