花费了我一天的时间来解决这个bug,必须好好记录记录,虽然懂了之后莫名觉得问题太小了!!!
问题如下:

具体为:loss, merged_result, _ = sess.run([sbl.loss_pure, merged, sbl.optimizer], feed_dict=feeds)

原因:feeds的维度错误(我找了很多网上资料,后边才知道是feeds里边的参数维度前后不一致导致的)
我的feed如下:
feeds = {
sbl.input_x1: x1_train_batch,
sbl.input_x2: x2_train_batch,
sbl.input_y: y_train_batch,
sbl.dropout_keep_prob: FLAGS.dropout_keep_prob
}
问题的原因呢,就是这个 x1_train_batch 和 x2_train_batch 的维度不一样!!

后边解决了很久,才知道是因为在对齐分词后样本的长度时,出现问题了,也就是 sequence_length 取太短了,x2_train_batch 中的长度超出了 sequence_length 。 所以导致 x2_train_batch 的维度为: (32,)
本文记录了一次因输入数据维度不一致导致的bug排查经历。问题出现在使用TensorFlow进行训练时,由于输入批次数据x1_train_batch和x2_train_batch的维度不同,特别是在sequence_length设置不当的情况下,引发了运行错误。通过调整sequence_length并确保所有输入数据维度一致,最终解决了这个问题。
848





