Ошибка при загрузке вложений wiki40b из хаба tensorflow

Я пытаюсь использовать этот модуль (https://tfhub.dev/google/wiki40b-lm-nl/1), загружая его с помощью KerasLayer, но не знаю, почему возникает эта ошибка.

import tensorflow as tf
import tensorflow_hub as hub
import tensorflow_text

hub_url = "https://tfhub.dev/google/wiki40b-lm-nl/1"
embed = hub.KerasLayer(hub_url, input_shape=[], 
                   dtype=tf.string)

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-37-4e8ab0d5082c> in <module>()
      5 hub_url = "https://tfhub.dev/google/wiki40b-lm-nl/1"
      6 embed = hub.KerasLayer(hub_url, input_shape=[], 
----> 7                        dtype=tf.string)

1 frames
/usr/local/lib/python3.7/dist-packages/tensorflow_hub/keras_layer.py in _get_callable(self)
    300     if self._signature not in self._func.signatures:
    301       raise ValueError("Unknown signature %s in %s (available signatures: %s)."
--> 302                        % (self._signature, self._handle, self._func.signatures))
    303     f = self._func.signatures[self._signature]
    304     if not callable(f):

ValueError: Unknown signature default in https://tfhub.dev/google/wiki40b-lm-nl/1 (available signatures: _SignatureMap({'neg_log_likelihood': <ConcreteFunction pruned(text) at 0x7F3044A93210>, 'tokenization': <ConcreteFunction pruned(text) at 0x7F3040B7D190>, 'token_neg_log_likelihood': <ConcreteFunction pruned(token) at 0x7F3040D14810>, 'word_embeddings': <ConcreteFunction pruned(text) at 0x7F303D3FF2D0>, 'activations': <ConcreteFunction pruned(text) at 0x7F303D3FFF50>, 'prediction': <ConcreteFunction pruned(mem_4, mem_5, mem_6, mem_7, mem_8, mem_9, mem_10, mem_11, input_tokens, mem_0, mem_1, mem_2, mem_3) at 0x7F303C189090>, 'detokenization': <ConcreteFunction pruned(token_ids) at 0x7F3039860790>, 'token_word_embeddings': <ConcreteFunction pruned(token) at 0x7F3038FC2110>, 'token_activations': <ConcreteFunction pruned(token) at 0x7F303BAF9150>})).

Я попытался установить подпись signature="word_embeddings", signature_outputs_as_dict=True, но оказалось, что вложения не принимают строки в качестве входных данных, только тензор.

TypeError                                 Traceback (most recent call last)
<ipython-input-36-e98cfe451175> in <module>()
----> 1 embed('ik')

5 frames
/usr/local/lib/python3.7/dist-packages/tensorflow/python/eager/function.py in _call_with_flat_signature(self, args, kwargs, cancellation_manager)
   1733         raise TypeError("{}: expected argument #{}(zero-based) to be a Tensor; "
   1734                         "got {} ({})".format(self._flat_signature_summary(), i,
-> 1735                                              type(arg).__name__, str(arg)))
   1736     return self._call_flat(args, self.captured_inputs, cancellation_manager)
   1737 

TypeError: pruned(text): expected argument #0(zero-based) to be a Tensor; got str (ik)

У меня вопрос, как использовать это вложение с str в качестве ввода, как указано на странице модуля (раздел «Входы»)?


tensorflow word-embedding tensorflow-hub
person Adelson Araújo    schedule 29.03.2021    source источник

Ответы (1)


arrow_upward
1
arrow_downward

Передача текста, заключенного в tf.constant, в embed() и установка ключевого слова output_key должны заставить его работать:

import tensorflow as tf
import tensorflow_hub as hub
import tensorflow_text

embed = hub.KerasLayer("https://tfhub.dev/google/wiki40b-lm-nl/1",
                       signature="word_embeddings",
                       output_key="word_embeddings")
embed(tf.constant("\n_START_ARTICLE_\n1001 vrouwen uit de Nederlandse "
                  "geschiedenis\n_START_SECTION_\nSelectie van vrouwen"
                  "\n_START_PARAGRAPH_\nDe 'oudste' biografie in het boek "
                  "is gewijd aan de beschermheilige"))

(проверено с TF 2.4.1 и tensorflow_hub 0.11.0)

person WGierke    schedule 30.03.2021
comment
Спасибо. Я не эксперт в таких вложениях, но, просто играя с ними, я заметил, что каждый вводимый текст производит трехмерный вывод с разными формами во втором измерении, в зависимости от количества токенов. Извините, что задаю другой вопрос, но неуместно ли усреднять вложения, чтобы иметь 1 строку embed_dim в качестве вложения для каждого входного текста? - person Adelson Araújo; 30.03.2021