Ошибка в типе данных из trainable_variables

Question

Я запускаю tenorflow-transform и получаю ошибку на trainable_variables. Это нормально, чтобы получить эти сообщения?

(cmle-env) debasish: transform debasish.das $ python examples / simple_example.py 2018-03-20 14: 36: 30.468584: I tenorflow/core/platform/cpu_feature_guard.cc:137] Ваш ЦП поддерживает инструкции для этого двоичного файла TensorFlow не был скомпилирован для использования: SSE4.2 AVX AVX2 FMA ОШИБКА: tenenflow: невозможно определить тип данных для коллекции trainable_variables. Пропуская. ОШИБКА: tenorflow: Невозможно определить тип данных для коллекции trainable_variables. Пропуская. ОШИБКА: tenorflow: Невозможно определить тип данных для коллекции trainable_variables. Пропуская. ОШИБКА: tenorflow: Невозможно определить тип данных для коллекции trainable_variables. Пропуская. ПРЕДУПРЕЖДЕНИЕ: tenorflow: ожидаемая двоичная или Unicode строка, полученная type_url: "type.googleapis.com/tensorflow.AssetFileDef" значение: "\n\t\n\007Const:0\022\033vocab_string_to_int_uniques"

ПРЕДУПРЕЖДЕНИЕ: tenorflow: ожидаемая двоичная или Unicode строка, полученная type_url: "type.googleapis.com/tensorflow.AssetFileDef" значение: "\n\t\n\007Const:0\022\033vocab_string_to_int_uniques"

ОШИБКА: tenorflow: Невозможно определить тип данных для коллекции trainable_variables. Пропуская. ОШИБКА: tenorflow: Невозможно определить тип данных для коллекции trainable_variables. Пропуская. ОШИБКА: tenorflow: Невозможно определить тип данных для коллекции trainable_variables. Пропуская. ОШИБКА: tenorflow: Невозможно определить тип данных для коллекции trainable_variables. Пропуская. [{u's_integerized': 0, u'x_centered': -1,0, u'x_centered_times_y_normalized': -0,0, u'y_normalized': 0,0}, {u's_integerized': 1, u'x_centered': 0,0, u'x_centered_times_y_normalized': 0.0, u'y_normalized': 0.5}, {u's_integerized': 0, u'x_centered': 1.0, u'x_centered_times_y_normalized': 1.0, u'y_normalized': 1.0}]

Answer 1

Да, это не проблема, я полагаю, что вы видите ошибку, которая была недавно исправлена ​​в TF.Transform, из-за которой эти ошибки печатались неправильно.

Это было исправлено здесь и будет включено в скорый выпуск TF.Transform 0.6.0. https://github.com/tensorflow/transform/commit/4b45bfe96b53bde91f97464016fa1f9deb68ca8a