我试图使用tensorflow hub在tensorflow-keras中实现Google Bert模型。为此,我设计了一个自定义的keras层"Bertlayer"。现在的问题是,当我编译 keras 模型时,它一直显示
属性错误:"Bertlayer"对象没有属性"_keras_style">
我不知道我错在哪里,_keras_style属性是什么。请帮助查找代码中的错误。
这是完整代码的github链接:https://github.com/PradyumnaGupta/BERT/blob/master/Untitled21.ipynb
class BertLayer(tf.layers.Layer):
def __init__(self, n_fine_tune_layers=10, **kwargs):
self.n_fine_tune_layers = n_fine_tune_layers
self.trainable = True
self.output_size = 768
super(BertLayer, self).__init__(**kwargs)
def build(self, input_shape):
self.bert = hub.Module(
bert_path,
trainable=self.trainable,
name="{}_module".format(self.name)
)
trainable_vars = self.bert.variables
# Remove unused layers
trainable_vars = [var for var in trainable_vars if not "/cls/" in var.name]
# Select how many layers to fine tune
trainable_vars = trainable_vars[-self.n_fine_tune_layers :]
# Add to trainable weights
for var in trainable_vars:
self._trainable_weights.append(var)
for var in self.bert.variables:
if var not in self._trainable_weights:
self._non_trainable_weights.append(var)
super(BertLayer, self).build(input_shape)
def call(self, inputs):
inputs = [K.cast(x, dtype="int32") for x in inputs]
input_ids, input_mask, segment_ids = inputs
bert_inputs = dict(
input_ids=input_ids, input_mask=input_mask, segment_ids=segment_ids
)
result = self.bert(inputs=bert_inputs, signature="tokens", as_dict=True)[
"pooled_output"
]
return result
def compute_output_shape(self, input_shape):
return (input_shape[0], self.output_size)
所以,tensorflow version 1.* 有点误导。它实际上有 2 个称为 Layer 的基类。一个 - 您正在使用的那个。它旨在通过常规 TF 操作实现快捷方式包装器。另一个from tensorflow.keras.layers import Layer
是类似Keras的模型和续集。
从您的错误来看,您正在使用 keras/模型来进一步训练。
您可能应该从keras.layers.Layer
而不是tf.layers.Layer
开始对图层进行剥离。