Ошибка надстройки встраивания

Question

Я создаю вычислительный граф в Tensorflow, и я хочу использовать предварительно обработанные векторы. У меня есть метод, который предварительно загружает векторы всех моих слов в наборе данных в матрицу.

 
    def preload_vectors(word2vec_path, word2id, vocab_size, emb_dim): 
    if word2vec_path: 
     print('Load word2vec_norm file {}'.format(word2vec_path)) 
     with open(word2vec_path,'r') as f: 
      header=f.readline() 
      print(vocab_size, emb_dim) 
      scale = np.sqrt(3.0/emb_dim) 
      init_W = np.random.uniform(-scale, scale, [vocab_size, emb_dim]) 

      print('vocab_size={}'.format(vocab_size)) 
      while True: 
       line=f.readline() 
       if not line:break 
       word=line.split()[0] 
       if word in word2id: 
        init_W[word2id[word]] = np.array(line.split()[1:], dtype = np.float32) 
    return init_W 

    init_W = preload_vectors("data/GoogleNews-vectors-negative300.txt", word2id, word_vocab_size, FLAGS.word_embedding_dim) 

Выход:

 
    Load word2vec_norm file data/GoogleNews-vectors-negative300.txt 
    2556 300 
    vocab_size=2556 

В вычислительном графике, у меня есть это:

 
    W = tf.Variable(tf.constant(0.0, shape = [word_vocab_size,FLAGS.word_embedding_dim]),trainable = False, name='word_embeddings') 
    embedding_placeholder = tf.placeholder(tf.float32, shape = [word_vocab_size, FLAGS.word_embedding_dim]) 
    embedding_init = W.assign(embedding_placeholder) 

И, наконец, в сессии я кормить init_W к embedding_placeholder:

_,train_cost,train_predict=sess.run([train_op,cost,prediction], feed_dict={ 
      //other model inputs here 
      embedding_placeholder: init_W 
      }) 

Но я получаю эту ошибку:

--------------------------------------------------------------------------- 
TypeError         Traceback (most recent call last) 
<ipython-input-18-732a79dc5ebd>  in <module>() 
68        labels: next_batch_input.relatedness_scores, 
    69        dropout_f: config.keep_prob, 
---> 70        embedding_placeholder: init_W 
71       }) 
72      avg_cost+=train_cost 

/Users/kurt/anaconda2/envs/tensorflow/lib/python2.7/site- packages/tensorflow/python/client/session.pyc in run(self, fetches, feed_dict, options, run_metadata) 
764  try: 
765  result = self._run(None, fetches, feed_dict, options_ptr, 
--> 766       run_metadata_ptr) 
767  if run_metadata: 
768   proto_data = tf_session.TF_GetBuffer(run_metadata_ptr) 

/Users/kurt/anaconda2/envs/tensorflow/lib/python2.7/site-packages/tensorflow/python/client/session.pyc in _run(self, handle, fetches, feed_dict, options, run_metadata) 
935     ' to a larger type (e.g. int64).') 
936 
--> 937   np_val = np.asarray(subfeed_val, dtype=subfeed_dtype) 
938 
939   if not subfeed_t.get_shape().is_compatible_with(np_val.shape): 

/Users/kurt/anaconda2/envs/tensorflow/lib/python2.7/site-packages/numpy/core/numeric.pyc in asarray(a, dtype, order) 
480 
481  """ 
--> 482  return array(a, dtype, copy=False, order=order) 
483 
484 def asanyarray(a, dtype=None, order=None): 

TypeError: float() argument must be a string or a number 

Я проверил значения массива init_W и они поплавка:

type(init_W[0][0]) 
numpy.float64 

Я использовал, чтобы быть в состоянии сделать это в последнее время без проблем. Должно быть, я что-то пропустил? Пожалуйста, мне нужна твоя помощь. Благодаря!

Answer 1

По-видимому, проблема не в том, что с вложением embedding, а с каким-либо другим вводом для feed_dict. Это было неясно, хотя с сообщением об ошибке.