如何解决AttributeError: 'str' 对象在使用 BertModel 和 PyTorch 编码张量时没有属性 'shape'拥抱脸
AttributeError: 'str' 对象在使用 BertModel 和 PyTorch(拥抱脸)编码张量时没有属性 'shape'。下面是代码
bert_model = BertModel.from_pretrained(r'downloads\bert-pretrained-model')
input_ids
输出为:
tensor([[ 101,156,13329,...,0],[ 101,1302,1251,25456,1200,143,9664,2586,7340,0]])
下面是代码
last_hidden_state,pooled_output = bert_model(
input_ids=encoding['input_ids'],attention_mask=encoding['attention_mask']
)
下面是代码
last_hidden_state.shape
输出是
AttributeError Traceback (most recent call last)
<ipython-input-70-9628339f425d> in <module>
----> 1 last_hidden_state.shape
AttributeError: 'str' object has no attribute 'shape'
完整代码链接为“https://colab.research.google.com/drive/1FY4WtqCi2CQ9RjHj4slZwtdMhwaWv2-2?usp=sharing”
解决方法
问题是自 3.xx 版本的转换器以来的 return type has changed。所以,我们已经明确要求一个张量元组。
因此,当我们调用 return_dict = False
时,我们可以传递一个额外的 kwarg bert_model()
以获得对应于 last_hidden_state
的实际张量。
last_hidden_state,pooled_output = bert_model(
input_ids=encoding['input_ids'],attention_mask=encoding['attention_mask'],return_dict = False # this is needed to get a tensor as result
)
如果你不喜欢以前的方法,那么你可以求助于:
In [13]: bm = bert_model(
...: encoding_sample['input_ids'],...: encoding_sample['attention_mask']
...: )
In [14]: bm.keys()
Out[14]: odict_keys(['last_hidden_state','pooler_output'])
# accessing last_hidden_state
In [15]: bm['last_hidden_state']
In [16]: bm['last_hidden_state'].shape
Out[16]: torch.Size([1,17,768])
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 dio@foxmail.com 举报,一经查实,本站将立刻删除。