如何将 tensorflow-hub 模块与 tensorflow-dataset 一起使用 api

Question

我想使用 Tensorflow 数据集 api 通过 tensorflow Hub 初始化我的数据集。我想使用 dataset.map 函数将我的文本数据转换为嵌入。我的 Tensorflow 版本是 1.14.

因为我使用了 elmo v2 modlule 将一堆句子数组转换成它们的词嵌入，所以我使用了以下代码：

import tensorflow as tf
import tensorflow_hub as hub
...
sentences_array = load_sentences()
#Sentence_array=["I love Python", "python is a good PL"]
def parse(sentences):
    elmo = hub.Module("./ELMO")
    embeddings = elmo([sentences], signature="default", as_dict=True) 
    ["word_emb"]
    return embeddings
dataset = tf.data.TextLineDataset(sentences_array)
dataset = dataset.apply(tf.data.experimental.map_and_batch(map_func = 
parse, batch_size=batch_size))

我想嵌入像 [batch_size、max_words_in_batch、embedding_size] 这样的文本数组，但我收到一条错误消息：

"NotImplementedError: Using TF-Hub module within a TensorFlow defined 
 function is currently not supported."

怎样才能得到预期的结果？

Answer 1

遗憾的是，TensorFlow 不支持此功能1.x

但是，它在 TensorFlow 2.0 中受支持，因此如果您可以升级到 tensorflow 2 并从 tf 2 的可用文本嵌入模块中进行选择（当前列表 here），那么您可以在 dataset管道。像这样：

embedder = hub.load("https://tfhub.dev/google/tf2-preview/nnlm-en-dim128/1")

def parse(sentences):
    embeddings = embedder([sentences])
    return embeddings

dataset = tf.data.TextLineDataset("text.txt")
dataset = dataset.map(parse)

如果您绑定到 1.x 或绑定到 Elmo（我认为在新格式中尚不可用），那么我能看到的唯一嵌入预处理阶段的选项是首先运行您的数据集通过一个简单的嵌入模型并保存结果，然后将嵌入向量分别用于下游任务。（我很欣赏这不太理想）。

如何将 tensorflow-hub 模块与 tensorflow-dataset 一起使用 api

How to use tensorflow-hub module with tensorflow-dataset api

python

tensorflow

tensorflow-datasets

tensorflow-hub