Python 在colab TypeError上使用TPU上的估计器进行BERT微调*=：'；非类型'；和'；int'；

我在谷歌的colab上写了一个jupyter笔记本，对一个版本进行了微调（用于文本分类），我已经只对阿拉伯语进行了预培训。训练开始时，我无法避免这个错误

我跟着谷歌给我的笔记本走

示范建筑规范：

model\u fn=model\u fn\u builder(
bert_config=modeling.BertConfig.from_json_文件（config_文件），
num_labels=len（标签列表），
初始化检查点=初始化检查点，
学习率=学习率，
num_train_steps=num_train_steps，
num_warmup_steps=num_warmup_steps，
使用_tpu=True，
使用\u one\u hot\u嵌入=True
)
tpu_cluster_resolver=tf.contrib.cluster_resolver.TPUClusterResolver（tpu_地址）
run_config=tf.contrib.tpu.RunConfig(
cluster=tpu\U cluster\U解析器，
model_dir=OUTPUT_dir，
保存检查点步骤=保存检查点步骤，
tpu_config=tf.contrib.tpu.TPUConfig(
每循环迭代次数=每循环迭代次数，
num_shards=num_TPU_核，
per_host_input_for_training=tf.contrib.tpu.InputPipelineConfig.per_host_V2））
估计器=tf.contrib.tpu.tpu估计器(
使用\u tpu=使用\u tpu，
型号\ fn=型号\ fn，
config=run\u config，
批量大小=批量大小，
评估批次大小=评估批次大小，
预测批次大小=预测批次大小，）
列车输入\u fn=输入\u fn\u生成器(
功能=列车功能，
序号长度=最大序号长度，
_training=True，
drop_余数=False）
#tf.reset_default_graph（）
打印（f“开始培训！”）
当前时间=datetime.now（）
估算器.训练（输入=训练输入，最大步数=训练步数）
打印（“培训耗时”，datetime.now（）-当前时间）

错误代码：

/usr/local/lib/python3.6/dist-packages/tensorflow/python/tpu/tpu\u sharding.py in\u unshard\u shape（self，shape）
214（shape.as_list（），self._shard_维度））
215 dims=shape.as_list（）
-->216 dims[自我碎片维度]*=自我碎片数量
217返回张量_形。as_形（dims）
218
TypeError:*=：“NoneType”和“int”的操作数类型不受支持

---

参数和其余代码都在这个共享的colab笔记本副本中：

为了社区的利益，在本节中提到了答案（尽管在评论部分有答案）

在函数中，

input\u fn\u builder

将参数

drop\u rements

设置为

True

，解决了该问题

相应的代码段如下所示：

train_input_fn = input_fn_builder(
    features=train_features,
    seq_length=MAX_SEQ_LENGTH,
    is_training=True,
    drop_remainder=False)

---

你找到解决这个问题的办法了吗。我面临着类似的问题，当使用TPU时，滴落剩余应等于真