Python InvalidArgumentError：当前图形与来自检查点的图形之间不匹配

因此，我基本上是在我的项目中使用此transformer实现：。 它在最初为其编写的德语到英语的翻译中非常有效，我修改了处理python脚本，以便为我要翻译的语言创建词汇表文件。这似乎很有效

但是，当涉及到培训时，我会遇到以下错误：

InvalidArgumentError（回溯见上文）：从恢复 检查点失败。这很可能是由于 当前图形和来自检查点的图形。请确保 您尚未根据检查点更改预期的图形。 原始错误：

Assign需要两个张量的形状匹配。lhs形状=[9796512] rhs形状=[9786512][{{{node save/Assign_412}= 分配[T=DT_FLOAT，[u class=[“loc:@encoder/enc_embed/lookup_table”]， 使用\u locking=true，验证\u shape=true， _device=“/job:localhost/replica:0/task:0/device:CPU:0”]（编码器/enc_嵌入/查找_表/Adam_1， 保存/恢复（2:412）]]

现在我不知道为什么会出现上述错误。我还恢复了原来的代码，将德语翻译成英语，现在我得到了相同的错误（当然除了lhs和rhs张量形状不同），在它工作之前

你知道为什么会这样吗

提前谢谢

编辑：这是此处讨论的特定文件，运行时的train.py：

---

除了de和en加载的vocab是不同的（它们实际上是以单个字母作为单词的vocab文件）之外，没有任何修改。然而，正如我提到的，即使回到前面的工作示例中，我也会在不同的lhs和rhs尺寸下得到相同的错误

这个大数字几乎可以肯定是你词汇量的大小。初始矩阵的大小为[vocab_size，hidden_dim]。所以通过改变你的声音的大小，你是在破坏东西

---

想必解决方案只是确保清除所有检查点，以便只查看使用所需词汇训练的模型。

我遇到了类似的错误，在我的案例中，以前失败的作业的输出似乎仍保留在输出目录上，并且在保存/恢复新作业的检查点时存在一些不兼容，因此我只是清理了输出目录，然后新作业正常工作

导出/保存模型时，我遇到了相同的问题。我指的是这个URL中给出的示例：

如果您面临上述问题，您必须确保以下三件事是正确的：

清理模型目录并提取新模型

确保您使用的管道配置文件及其对应的TF模型对正确

使用正确的模型检查点。请参见下面的示例：

我将我训练的前缀值更新到我模型的保存点，它从我这里起作用（参见下面的示例）：

在您的情况下，请使用您的储蓄点数在我的情况下，它是139

---

以前我只使用了不起作用的

/data/model.ckpt

。

你能举个例子吗？您是否正在使用一个保留状态的

Jupyter笔记本

？@user49593嗨，我会这样做并编辑它，谢谢。但同时，是的，我相信这一定与它有关，指向一个旧的图形模型或其他东西。但我重新启动了终端，并试图清除某种缓存，但没有成功：（@user49593我刚刚通过github添加了一个指向该文件的特定链接，不认为创建一个较短的代码段是可行的。谢谢

TRAINED_CKPT_PREFIX=./data/model.ckpt-139