8wDlpd.png
8wDFp9.png
8wDEOx.png
8wDMfH.png
8wDKte.png

无法导入 SentenceTransformer

Gert B. 2月前

40 0

我正在使用 Colab,我尝试导入 SentenceTransformer:从 sentence_transformers 导入 SentenceTransformer,但是,我收到此错误:ttributeError Traceback (most

我正在使用 Colab,尝试导入 SentenceTransformer:

from sentence_transformers import SentenceTransformer

但是,我收到此错误:ttributeError Traceback(最近一次调用最后一次)

/usr/local/lib/python3.10/dist-packages/transformers/utils/import_utils.py 在 _get_module(self, module_name)1566 中尝试:-> 1567 返回 importlib.import_module(\'.\' + module_name, self. name )1568 除外异常为 e:

41 帧

AttributeError:模块“tensorflow._api.v2.compat.v2.” internal 没有属性“register_load_context_function”

上述异常是导致以下异常的直接原因:

运行时错误回溯(最近一次调用最后一次)

RuntimeError:由于以下错误(查找其回溯)而无法导入 transformers.modeling_tf_utils:模块“tensorflow._api.v2.compat.v2. internal ”没有属性“register_load_context_function”

上述异常是导致以下异常的直接原因:

运行时错误回溯(最近一次调用最后一次)

/usr/local/lib/python3.10/dist-packages/transformers/utils/import_utils.py in _get_module(self, module_name)1567 return importlib.import_module(\'.\' + module_name, self. name )1568 except Exception as e:-> 1569 raise RuntimeError(1570 f\'无法导入 {self. name }.{module_name},因为出现以下错误(查找其\'1571 f\' 回溯):\n{e}\'

RuntimeError:由于以下错误,无法导入 transformers.integrations.integration_utils(查找其回溯):由于以下错误,无法导入 transformers.modeling_tf_utils(查找其回溯):模块“tensorflow._api.v2.compat.v2. internal ”没有属性“register_load_context_function”

我尝试重新安装 TensorFlow、transformers、sentence-transformers,但没有成功。我不知道如何解决这个问题

我期望导入成功

帖子版权声明 1、本帖标题:无法导入 SentenceTransformer
    本站网址:http://xjnalaquan.com/
2、本网站的资源部分来源于网络,如有侵权,请联系站长进行删除处理。
3、会员发帖仅代表会员个人观点,并不代表本站赞同其观点和对其真实性负责。
4、本站一律禁止以任何方式发布或转载任何违法的相关信息,访客发现请向站长举报
5、站长邮箱:yeweds@126.com 除非注明,本帖由Gert B.在本站《tensorflow》版块原创发布, 转载请注明出处!
最新回复 (0)
  • 这看起来像是 python/conda 环境问题。这可能是 tensorflow 和 sentence transformers 之间的版本冲突。一种解决方法可能是使用 -U 参数重新安装两者。

  • 为什么我的代码只能正确识别 4 个数字中的 3 个?这里我在数字中做了一个轮廓然后在这里我尝试正确识别数字import cv2import numpy as npimport matplotlib.pypl...

    为什么我的代码只能正确识别 4 个数字中的 3 个?

    我在这里用数字做了一个概述

    在这里我尝试正确识别数字

    import cv2
    import numpy as np
    import matplotlib.pyplot as plt
    from tensorflow.keras.datasets import mnist
    
    def segment_digits(image):
        _, thresh = cv2.threshold(image, 128, 255, cv2.THRESH_BINARY_INV)
        contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        
        digits = []
        for cnt in contours:
            x, y, w, h = cv2.boundingRect(cnt)
            if h > 20 and w > 10:  
                digit = image[y:y+h, x:x+w]
                digit = cv2.resize(digit, (28, 28))
                digits.append((x, digit))
        
        digits = sorted(digits, key=lambda d: d[0])
        
        return [d[1] for d in digits]
    
    def train_knn_model():
        (x_train, y_train), (_, _) = mnist.load_data()
        x_train = x_train.reshape((x_train.shape[0], 28 * 28)).astype(np.float32)
        y_train = y_train.astype(np.float32)
    
        knn = cv2.ml.KNearest_create()
        knn.train(x_train, cv2.ml.ROW_SAMPLE, y_train)
        return knn
    
    def predict_digit(model, digit):
        sample = digit.reshape((1, 784)).astype(np.float32)
        _, result, _, _ = model.findNearest(sample, k=1)
        return int(result[0][0])
    
    image_path = 'digits_image.png'
    image = cv2.imread(image_path, cv2.IMREAD_GRAYSCALE)
    
    if image is None:
        print("Erro ao carregar a imagem.")
        exit()
    
    digits = segment_digits(image)
    
    plt.subplot(1, 2, 1)
    plt.imshow(image, cmap='gray')
    plt.title("Imagem Original")
    
    _, thresh = cv2.threshold(image, 128, 255, cv2.THRESH_BINARY_INV)
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    contoured_image = cv2.drawContours(image.copy(), contours, -1, (255, 0, 0), 2)
    
    plt.subplot(1, 2, 2)
    plt.imshow(contoured_image, cmap='gray')
    plt.title("Imagem com Contornos")
    
    plt.show()
    
    if len(digits) != 4:
        print(f"Não foram encontrados 4 dígitos na imagem. Foram encontrados {len(digits)} dígitos.")
        exit()
    
    knn_model = train_knn_model()
    
    predicted_digits = [predict_digit(knn_model, digit) for digit in digits]
    
    for i, digit in enumerate(digits):
        plt.subplot(1, 4, i + 1)
        plt.imshow(digit, cmap='gray')
        plt.title(predicted_digits[i])
        plt.axis('off')
    
    plt.show()
    
    print("Predicted digits:", predicted_digits)
    
    

    我尝试使用张量流并训练模型来解决问题,但我无法解决这唯一的问题。实际上,我不知道如何正确训练模型,所以需要帮助,请,谢谢

  • 我有一个名为 res 的对象,并且我有一个名为 lean 的变量,需要连接例如 let lea = \'abc\';let res = {abc:'steve'};console.log(res.lea); 所以我的输出应该是 ste...

    我有一个名为 res ,还有一个名为 lea 的

    需要连接

    例如

    let lea = "abc";
    
    let res = {
    abc:'steve'
    };
    
    console.log(res.lea);
    
    

    所以我的输出应该是 steve

    我试过这样

    console.log(res.`${lea}`);
    
  • 使用这个方法:

    console.log(res[lea]);
    
  • 感谢您为 Stack Overflow 社区做出贡献。这可能是一个正确答案,但提供代码的额外解释以便开发人员了解您的推理确实很有用。这对于不太熟悉语法或难以理解概念的新开发人员尤其有用。您能否编辑您的答案以包含更多详细信息以造福社区?

返回
作者最近主题: