TypeError: Unhashable type: 'numpy.ndarray' в keras

У меня есть код ниже

while True:
   
    question = input("你: ")


    question_seq = tokenizer.texts_to_sequences([question])
    
    question_seq_padded = keras.preprocessing.sequence.pad_sequences(question_seq, maxlen=max_len)
    
    answer_seq = model.predict(question_seq_padded).argmax(axis=-1)[0]
    answer = tokenizer.index_word[answer_seq]
    print("機器人:", answer)

И когда я запустил его, случилось что-то не так

answer = tokenizer.index_word[answer_seq]

выданная ошибка

TypeError: Unhashable type: 'numpy.ndarray'

Я пытаюсь найти неправильное, может быть, answer_seq не может хешировать, я не знаю.

Вы пытались проверить результат, который вы получаете от answer_seq = model.predict(question_seq_padded).argmax(axis=-1)[0]? Это правильно? Как вы думаете, каким должен быть результат? В частности, каким должен быть тип? Кроме того, прочтите Как спрашивать и минимальный воспроизводимый пример. Убедитесь, что кто-то другой может скопировать и вставить код, ничего не добавляя и не изменяя, чтобы увидеть точную проблему напрямую.

Karl Knechtel 01.04.2023 06:29

@Ake Я использовал ваш код, но IDE выдает ошибку «KeyError: (0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0) 'Я не знаю, может быть, tokenizer.index_word хочет целое число, а не кортеж.

rtyrtyrtyqa 01.04.2023 06:52
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
2
93
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Вместо этого вы должны использовать tokenizer.sequences_to_texts([answer_seq]).

Ответ принят как подходящий

Я нашел способ исправить код, просто добавьте что-то вроде ниже.

    answer_seq_tuple = tuple(answer_seq)
    answer = tokenizer.sequences_to_texts(answer_seq_tuple)

Другие вопросы по теме