python – TypeError：’MatMul’Op的输入’b’的类型为float32,与参数’a’的int32类型不匹配

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – TypeError：’MatMul’Op的输入’b’的类型为float32,与参数’a’的int32类型不匹配，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2653字，纯文字阅读大概需要4分钟。

内容图文

我正在尝试关注word2vec示例,但我收到此错误：

TypeError: Input 'b' of 'MatMul' Op has type float32 that does not match type int32 of argument 'a'.

在这一行

相似性= tf.matmul(
      tf.cast(valid_embeddings,tf.int32),tf.cast(normalized_embeddings,tf.int32),transpose_b = True)

这是整个代码：

graph = tf.Graph()

with graph.as_default():
  # Input data.
  train_inputs = tf.placeholder(tf.int32, shape=[batch_size])
  train_labels = tf.placeholder(tf.int32, shape=[batch_size, 1])
  valid_dataset = tf.constant(valid_examples, dtype=tf.int32)
  # Ops and variables pinned to the CPU because of missing GPU implementation
  with tf.device('/cpu:0'):
    # Look up embeddings for inputs.
    embeddings = tf.Variable(
        tf.random_uniform([vocabulary_size, embedding_size], -1.0, 1.0))
    embed = tf.nn.embedding_lookup(embeddings, train_inputs)
    # Construct the variables for the NCE loss
    nce_weights = tf.Variable(
        tf.truncated_normal([vocabulary_size, embedding_size],
                            stddev=1.0 / math.sqrt(embedding_size)))
    nce_biases = tf.Variable(tf.zeros([vocabulary_size]))
  # Compute the average NCE loss for the batch.
  # tf.nce_loss automatically draws a new sample of the negative labels each
  # time we evaluate the loss.
  loss = tf.reduce_mean(
      tf.nn.nce_loss(nce_weights, nce_biases, embed, train_labels,
                     num_sampled, vocabulary_size))
  # Construct the SGD optimizer using a learning rate of 1.0.
  optimizer = tf.train.GradientDescentOptimizer(1.0).minimize(loss)
  # Compute the cosine similarity between minibatch examples and all embeddings.
  norm = tf.sqrt(tf.reduce_sum(tf.square(embeddings), 1, keep_dims=True))
  normalized_embeddings = embeddings / norm
  valid_embeddings = tf.nn.embedding_lookup(
      normalized_embeddings, valid_dataset)
  similarity = tf.matmul(
      tf.cast(valid_embeddings,tf.int32), tf.cast(normalized_embeddings,tf.int32), transpose_b=True)
  # Add variable initializer.
  init = tf.initialize_all_variables()

我怎样才能解决这个问题？

解决方法:

我使用Tensorflow r1.4和Python 3.4遇到了同样的问题.

实际上,我认为你需要改变代码

tf.nn.nce_loss(nce_weights, nce_biases, embed, train_labels,
                 num_sampled, vocabulary_size))

成

tf.nn.nce_loss(nce_weights, nce_biases, train_labels, embed,
                 num_sampled, vocabulary_size))

要么

loss = tf.reduce_mean(tf.nn.nce_loss(
        weights = softmax_weights,
        biases = softmax_biases, 
        inputs = embed, 
        labels = train_labels, 
        num_sampled = num_sampled, 
        num_classes = vocabulary_size))

同时,您需要将代码更改回

similarity = tf.matmul(valid_embeddings, tf.transpose(normalized_embeddings))

使用tf.cast(…,tf.int32)是错误的,实际上,没有必要使用tf.cast(…,tf.float32),因为它已经是tf.float32.

附：

当您在使用tf.nn.sampled_softmax_loss()时遇到问题时,该解决方案也很有用,因为sampled_softmax_loss()的使用与nce_loss()非常相似.

内容总结

以上是互联网集市为您收集整理的python – TypeError：’MatMul’Op的输入’b’的类型为float32,与参数’a’的int32类型不匹配全部内容，希望文章能够帮你解决python – TypeError：’MatMul’Op的输入’b’的类型为float32,与参数’a’的int32类型不匹配所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端