我是Tensorflow新手，如果我的问题太基础或太愚蠢，请耐心等待；(
我试图在"；用于语言理解的转换器模型"-Tensorflow网站教程(https://www.tensorflow.org/tutorials/text/transformer)。我的意图是让我的测试运行更快，当玩代码的时候。
我想我可以使用dataset.take(n)方法来缩短训练数据集。我在从文件中读取原始数据集后添加了两行：
...
examples, metadata = tfds.load('ted_hrlr_translate/pt_to_en', with_info=True, as_supervised=True)
train_examples, val_examples = examples['train'], examples['validation']
# lines added to reduce dataset size
train_examples = train_examples.take(1000)
val_examples = val_examples.take(1000)
...
所得到的数据集(即train_examples、val_examples(似乎具有预期的大小，并且它们似乎正在工作，例如，与turorial中的下一个标记器一起工作。
然而，当我执行代码时，更具体地说，当它进入训练(即train_step(inp, tar)(时，我会收到大量的错误消息和警告。错误消息和警告太长，无法在此处复制，但其中可能有一个重要部分：
...
/home/kst/python/tf/tf_env/lib/python3.8/site-packages/tensorflow/python/framework/ops.py:1105 set_shape
raise ValueError(
ValueError: Tensor's shape (8216, 128) is not compatible with supplied shape (4870, 128)
WARNING:tensorflow:Unresolved object in checkpoint: (root).optimizer.iter
WARNING:tensorflow:Unresolved object in checkpoint: (root).optimizer.iter
WARNING:tensorflow:Unresolved object in checkpoint: (root).optimizer.beta_1
...
训练部分中的一些张量的大小或形状似乎不合适。
.take(n)不是Tensorflow中缩短数据集的好方法，有充分的理由吗？
有更好的方法吗？
谢谢！：(
我发现了问题！导致错误消息的不是.take()方法。是检查点经理：
checkpoint_path = "./checkpoints/train"
ckpt = tf.train.Checkpoint(transformer=transformer,
optimizer=optimizer)
ckpt_manager = tf.train.CheckpointManager(ckpt, checkpoint_path, max_to_keep=5)
# if a checkpoint exists, restore the latest checkpoint.
if ckpt_manager.latest_checkpoint:
ckpt.restore(ckpt_manager.latest_checkpoint)
print ('Latest checkpoint restored!!')
我的磁盘上似乎有旧的检查点，这些检查点是在使用较大数据集运行时创建的。检查点管理器自动恢复了旧的检查点，并希望从那里继续。当然，旧张量的大小和形状与新张量不匹配(例如，词汇大小不同(。这创建了错误消息。当我删除旧的检查点(I.d.，.ipynb_checkpoints目录(时，一切都很顺利！：-(