【只需2步快速解决tensorflow-hub的调用问题】

【只需2步快速解决tensorflow-hub的调用问题】,第1张

快速解决tensorflow-hub的调用问题!!
    • 1、用pip安装库
    • 2、用conda下载安装tensorflow-gpu

再经历无数次试错之后,终于可以跑tensorflow-hub了,在此写出来,让大家少走弯路。

1、用pip安装库

首先一定要用pip来安装如下的包。(原因:text包需要用pip安装,conda链接找不到。同时text包安装会自动下载tensorflow)

tensorflow              2.6.2
tensorflow-addons       0.16.1
tensorflow-estimator    2.6.0
tensorflow-hub          0.8.0
tensorflow-text         2.6.0
2、用conda下载安装tensorflow-gpu

conda下载gpu的tensorflow

tensorflow              2.6.0

大功告成,可以去跑了!

错误分析

  1. no module keras ;解决:pip没下载tensorflow
  2. KeyError:'CaseFoldUTF8;解决:没有下载tensorflow-text,
    需要import tensorflow_text as text
  3. hub.KerasLayer(URL) 链接内的model无法下载 ;
   preprocess = hub.KerasLayer(
       "https://tfhub.dev/tensorflow/bert_en_uncased_preprocess/2",
       name="text_preprocessing",
   )
   # Load the pre-trained BERT model to be used as the base encoder.
   bert = hub.KerasLayer(
       "https://tfhub.dev/tensorflow/small_bert/bert_en_uncased_L-4_H-512_A-8/1",
       "bert",
   )

解决:
(1)国外链接要下载内容,你懂的

(2)手动复制链接内容到浏览器,可以下载文件夹,然后把代码中链接更改为本地文件。

    preprocess = hub.KerasLayer(
        r"D:\bert_en_uncased_preprocess_3",
        name="text_preprocessing",
    )
    # Load the pre-trained BERT model to be used as the base encoder.
    bert = hub.KerasLayer(
        r"D:\small_bert_bert_en_uncased_L-4_H-512_A-8_2",
        "bert",
    )

(3)更改链接

#tfhub_bert="https://tfhub.dev/tensorflow/small_bert/bert_en_uncased_L-2_H-128_A-2/1"
tfhub_bert="https://storage.googleapis.com/tfhub-modules/tensorflow/small_bert/bert_en_uncased_L-2_H-128_A-2/1.tar.gz"

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/langs/727630.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-04-26
下一篇 2022-04-26

发表评论

登录后才能评论

评论列表(0条)

保存