我在 Tensorflow 模型“Textsum”中有一个错误（https://github.com/tensorflow/models/tree/master/textsum）

跑步时

在我最初的训练中，我收到了这个错误：

据我所知，我做的一切都是正确的。我在 CPU 上运行——没有 CUDA。我有一个非常新的 Mac，OS Yosemite，有 8GB 可用空间。蟒蛇 3.6。

我认为第一个错误“输入线程已死”可能与第二个“下一个没有属性”有关。我在 tensorflow 模型主仓库中打开了一个拉取请求

至

在“batch_reader.py”中。这消除了“无属性'next'”和“发现线程死亡”错误，但会导致训练在第一个全局步骤后停止。我等了大约 3 个小时，没有收到来自 tensorboard 或终端的新消息。培训刚刚停止——没有新的进展，没有遇到检查点。

有什么想法吗？我的拉取请求值得一试吗？

我正在尝试将训练文本文件转换为 bin 文件以训练 tensorflow 的 textsum。但是我遇到了以下错误：

请帮助我。我正在使用 tensorflow 1.2.0 和 python 2.7.2。

我已经使用项目页面中推荐的参数训练了 5 天的文本总和。我使用了一个包含超过 300 万条文章-摘要对的训练集。

一开始running_average_loss从9左右慢慢下降到4左右，但之后running_average_loss数值变化范围很广，可以高达5以上，但有时可以低至1。我用一些文章测试了模型训练集，但输出与引用的摘要相去甚远，我很困惑。有人可以分享他们的经验吗？

我对以下问题感到困惑

1. running_average_loss每次跑步都小于10，正常吗？
2. 由于running_average_loss 在很大范围内变化并且没有收敛的迹象，是否过度拟合？
3. 训练一个足够好的模型需要多长时间或何时停止训练？是否有指示停止训练的标志？

我一直在训练 textsum seq2seq w/attention 模型，用于在 60 万篇文章 + 摘要的训练语料库上进行抽象摘要。这算不算收敛？如果是这样，它在不到 5k 步后收敛是否正确？注意事项：

• 我已经训练了 200k 的词汇量
• 批量大小为 4 的 5k 步（直到近似收敛）意味着最多可以看到 20k 个不同的样本。这只是整个训练语料库的一小部分。

还是我实际上没有在茶叶中读到我的狗的脸，边际负斜率是否符合预期？

我已经开始使用下面显示的 export_textsum.py 文件导出 textsum 模型，当我使用下面的 textsumclient.py 文件连接时，我收到错误：

回溯（最后一次调用）：文件“textsum_client.py”，第 90 行，在 tf.app.run() 文件“/usr/local/lib/python2.7/site-packages/tensorflow/python/platform/app .py”，第 48 行，运行中py"，第 72 行，在 do_singleDecode 结果 = stub.Predict(request, 5.0) # 5 seconds File "/usr/local/lib/python2.7/site-packages/grpc/beta/_client_adaptations.py"，第 324 行，通话中 self._request_serializer，self._response_deserializer）文件“/usr/local/lib/python2.7/site-packages/grpc/beta/_client_adaptations.py”，第 210 行，在 _blocking_unary_unary 中引发 _abortion_error(rpc_error_call) grpc.framework.interfaces。 face.face.AbortionError: AbortionError(code=StatusCode.INVALID_ARGUMENT, details="输入大小与签名不匹配")

我相信这可能与在我的 export_textsum 文件中构建 tf_example 有关，但老实说，到目前为止我还没有运气弄清楚这一点。任何有更多经验的人都知道我在这里做错了什么？如果有任何想法可以帮助我缩小这里发生的确切范围，我愿意接受任何建议。谢谢。

textsumclient.py

export_textsum.py

我在 android 中看到了很多使用 tensorflow 进行图像分类的示例，但没有找到任何在 android 中实现 tensorflow 的 TEXTSUM 模型的示例。

我正在尝试在我自己的数据上实现Tensorflow Textsum 模型。训练集包含大约 50k 篇文章。我没有更改 textsum 模型中的任何默认设置。目前，我的“平均损失”约为 1.5 到 3.0。但是，解码结果是“the”、“of”、“in”、“to”等列表。

解码

参考

在这个阶段我不期望太精确的结果，但我认为即使是随机单词列表也比'of in and and to to'更好。

我已经能够成功运行 TextSum 的预训练模型（ Tensorflow 1.2.1）。输出包含 CNN 和 Dailymail 文章的摘要（在测试之前被分块成 bin 格式）。

我还能够为 CNN/Dailymail 文章和词汇文件创建上述 bin 格式的测试数据（按照此处的说明）。但是，我无法创建自己的测试数据来检查摘要的好坏。我尝试修改make_datafiles.py代码以删除已编码的值。我能够创建标记化文件，但下一步似乎失败了。如果有人可以帮助我了解url_lists其用途，那就太好了。根据 github 自述文件 -

"对于每个 url 列表 all_train.txt、all_val.txt 和 all_test.txt，从文件中读取相应的标记化故事、小写并写入序列化二进制文件 train.bin、val.bin 和 test.bin。这些将是放在新创建的finished_files目录下。 ”

如何映射诸如http://web.archive.org/web/20150401100102id_/http://www.cnn.com/2015/04/01/europe/france-germanwings-plane-crash-main/之类的 URL到我的数据文件夹中的相应故事？如果有人在这方面取得了成功，请让我知道如何去做。提前致谢！

我在 4-gpus 和 1-gpu 上训练了 textsum，我发现 4-gpus 比单个 gpu 慢，而且它们的利用率都很低，谁能帮我解决这个问题？