Keras (Tensor conversion requested dtype int32 for Tensor with dtype float32: 'Tensor("embedding_1/random_uniform:0", shape=(20000, 100), dtype=float32)')

这个问题出现根本原因是keras以及tensorflow的版本（服务器与本地）不一致

通过

Python

import keras，tensorflow

keras.__version__

tensorflow.__version__

查看版本 然后通过 pip uninstall XXXX pip install install XXX版本号指定安装版本使得服务器与本机版本一致

本以为这个操作就可以解决问题结果依然还是Tensor conversion requested dtype int32 for Tensor with dtype float32: ‘Tensor("embedding_1/random_uniform:0", shape=(20000, 100), dtype=float32)‘

原来还有python版本的问题

在服务器用的Python2.7训练的模型，在window上面Python2.7不支持TensorFlow

因此在服务器上重新建立虚拟环境配置python3的环境重新训练模型最终加载训练好的模型成功

Keras (Tensor conversion requested dtype int32 for Tensor with dtype float32: 'Tensor("embedding_1/random_uniform:0", shape=(20000, 100), dtype=float32)')

时间： 2024-12-16 06:29:37

Keras (Tensor conversion requested dtype int32 for Tensor with dtype float32: 'Tensor("embedding_1/random_uniform:0", shape=(20000, 100), dtype=float32)')的相关文章

keras 报错 ValueError: Tensor conversion requested dtype int32 for Tensor with dtype float32: 'Tensor("embedding_1/random_uniform:0", shape=(5001, 128), dtype=float32)'

在服务器上训练并保存模型,复制到本地之后load_model()报错: ValueError: Tensor conversion requested dtype int32 for Tensor with dtype float32: 'Tensor("embedding_1/random_uniform:0", shape=(5001, 128), dtype=float32)' 原因:服务器和本地的运行环境配置不同 查看本地keras版本: In [1]: import kera

tensorflow models api:ValueError: Tensor conversion requested dtype string for Tensor with dtype float32: 'Tensor("arg0:0", shape=(), dtype=float32, device=/device:CPU:0)'

tensorflow models api:ValueError: Tensor conversion requested dtype string for Tensor with dtype float32: 'Tensor("arg0:0", shape=(), dtype=float32, device=/device:CPU:0)' 这个原因是你的tf-record有问题哈.检查pipline里面的tfrecord. tensorflow models api:ValueErr

Keras 学习之旅（一）

软件环境(Windows): Visual Studio Anaconda CUDA MinGW-w64 conda install -c anaconda mingw libpython CNTK TensorFlow-gpu Keras-gpu Theano MKL CuDNN 参考书籍:谢梁 , 鲁颖 , 劳虹岚.Keras快速上手:基于Python的深度学习实战 Keras 简介 Keras 这个名字来源于希腊古典史诗<奥德赛>的牛角之门(Gate of Horn):Those tha

Tensorflow中循环神经网络及其Wrappers

tf.nn.rnn_cell.LSTMCell 又名:tf.nn.rnn_cell.BasicLSTMCell.tf.contrib.rnn.LSTMCell 参见: tf.nn.rnn_cell.LSTMCell 输出: output:LSTM单元输出,与LSTM cell state的区别在于该输出又经过激活以及和一个sigmoid函数输出相乘.shape: [batch_size,num_units] new_state:当前时间步上的LSTM cell state和LSTM output

蛙蛙推荐： TensorFlow Hello World 之平面拟合

tensorflow 已经发布了 2.0 alpha 版本,所以是时候学一波 tf 了.官方教程有个平面拟合的类似Hello World的例子,但没什么解释,新手理解起来比较困难. 所以本文对这个案例进行详细解释,对关键的numpy, tf, matplotlib 函数加了注释,并且对原始数据和训练效果进行了可视化展示,希望对你理解这个案例有所帮助. 因为 2.0 成熟还需要一段时间,所以本文使用的是 tf 1.13.1 版本,Python 代码也从 Python 2 迁移到了 Python 3

RNNCell使用

目录 Recap input dim, hidden dim SimpleRNNCell Single layer RNN Cell Multi-Layers RNN RNN Layer Recap input dim, hidden dim from tensorflow.keras import layers # $xw_{xh} + hw_{nn}$,3次 cell = layers.SimpleRNNCell(3) cell.build(input_shape=(None, 4)) ce

机器学习-Tensorflow之Tensor和Dataset学习

好了,咱们今天终于进入了现阶段机器学习领域内最流行的一个框架啦——TensorFlow.对的,这款由谷歌开发的机器学习框架非常的简单易用并且得到了几乎所有主流的认可,谷歌为了推广它的这个框架甚至单独开辟了免费学习这个框架的视频教程,可惜这些教程都是基于TensorFlow1.0版本的,一直没有更新.现在都是TensorFlow2.0版本了,其中的开发的API的变化非常非常大,很多都是不兼容的,非常坑,如果大家还是觉得要跳坑,我不拦着哈.它的应用的官方视频教程的地址是https://develop

张量 tensor

张量 tensor Tensor是一个类, 包含了属性和常用函数, 一个Tensor对象主要包含一下三个部分, 如下所示: Tensor("placeholder:0", shape=(2, 3), dtype=float32) 第一部分是Tensor Name, 比如:‘Constant'. ’placeholder. ‘Varuable'等, 没什么实质性的含义, 知识表示Tensor的顺序,当前是0, 那么下一个Tensor就是1: 第二部分是Tensor  shape,Tens

5.什么是tensor（下）

import tensorflow as tf # tensorflow还支持变量的定义 var = tf.Variable(3) print(var) # <tf.Variable 'Variable:0' shape=() dtype=int32_ref> # 也可以指定类型和名字 var1 = tf.Variable(4, name="mmp", dtype=tf.float64) print(var1) # <tf.Variable 'mmp:0' shape