小编Rod*_*rez的帖子

我有一个复杂的 keras 模型，其中一个层是一个自定义的预训练层，它期望“int32”作为输入。这个模型是作为一个继承自 Model 的类来实现的，它是这样实现的：

class MyModel(tf.keras.models.Model):

    def __init__(self, size, input_shape):
        super(MyModel, self).__init__()
        self.layer = My_Layer()
        self.build(input_shape)

    def call(self, inputs):
        return self.layer(inputs)

但是当它到达该self.build方法时，它会抛出下一个错误：

ValueError: You cannot build your model by calling `build` if your layers do not support float type inputs. Instead, in order to instantiate and build your model, `call` your model on real tensor data (of the correct dtype).

我该如何解决？

我有两个共享图层的keras模型，我想将其权重保存在hd5文件中。如果我分别保存两个模型，我认为共享层将使用磁盘空间的两倍保存两次。如何将其保存在唯一的文件中？

谢谢！！

我有一个带有不同范数向量的预训练词嵌入，我想对模型中的所有向量进行归一化。我正在用一个 for 循环来迭代每个单词并对其向量进行归一化，但是我们的模型很大并且需要太多时间。是否gensim包括任何方法可以更快地做到这一点？我找不到它了。

谢谢！！

我正在使用BERT对某个单词的特征进行提取，因为该单词出现在文本中，但是看来bert的官方github（https://github.com/google-research/bert）中的当前实现只能计算所有单词的特征在文本中，这会占用太多资源。是否有可能对此目的进行调整？谢谢！！