Мой код выглядит следующим образом:
batch_size=8
sequence_length=25
vocab_size=100
import tensorflow as tf
from transformers import T5Config, TFT5ForConditionalGeneration
configT5 = T5Config(
vocab_size=vocab_size,
d_ff =512,
)
model = TFT5ForConditionalGeneration(configT5)
model.compile(
optimizer = tf.keras.optimizers.Adam(),
loss = tf.keras.losses.SparseCategoricalCrossentropy()
)
input = tf.random.uniform([batch_size,sequence_length],0,vocab_size,dtype=tf.int32)
labels = tf.random.uniform([batch_size,sequence_length],0,vocab_size,dtype=tf.int32)
input = {'inputs': input, 'decoder_input_ids': input}
model.fit(input, labels)
Выдает ошибку:
логиты и метки должны иметь одно и то же первое измерение, форму логитов [1600,64] и форму меток [200] [[node sparse_categorical_crossentropy_3 / SparseSoftmaxCrossEntropyWithLogits / SparseSoftmaxCrossEntropyWithLogits (определено в C: \ Google \ Users \ FA.Col.Cab.PROJ \ Блокноты \ PoetryTransformer \ эксперименты \ TFT5.py: 30)]] [Op: __ inference_train_function_25173] Стек вызовов функций: train_function
Я не понимаю - почему модель возвращает тензор [1600, 64]. Согласно https://huggingface.co/transformers/model_doc/t5.html#tft5forconditionalgeneration модель возвращает [batch_size, sequence_len, vocab_size].