Restoring from checkpoint failed,Assign requires shapes of both tensors to match. lhs shape= [700,8] rhs shape= [660,8]

简介: 模型恢复出错,是特征参数不一致问题

报错信息:
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/training/saver.py", line 1558, in build
self._build(self._filename, build_save=True, build_restore=True)
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/training/saver.py", line 1627, in _build
build_save=build_save, build_restore=build_restore)
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/training/saver.py", line 1188, in _build_internal
restore_sequentially, reshape)
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/training/saver.py", line 783, in _AddShardedRestoreOps
name="restore_shard"))
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/training/saver.py", line 752, in _AddRestoreOps
assign_ops.append(saveable.restore(saveable_tensors, shapes))
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/training/saver.py", line 278, in restore
self.op.get_shape().is_fully_defined())
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/ops/state_ops.py", line 236, in assign
validate_shape=validate_shape)
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/ops/gen_state_ops.py", line 62, in assign
use_locking=use_locking, name=name)
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/framework/op_def_library.py", line 787, in _apply_op_helper
op_def=op_def)
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/util/deprecation.py", line 488, in new_func
return func(args, *kwargs)
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 3401, in create_op
op_def=op_def)
File "/worker/venv/lib/python2.7/site-packages/tensorflow/python/framework/ops.py", line 1771, in init
self._traceback = tf_stack.extract_stack()

InvalidArgumentError (see above for traceback): Restoring from checkpoint failed. This is most likely due to a mismatch between the current graph and the graph from the checkpoint. Please ensure that you have not altered the graph expected based on the checkpoint. Original error:

Assign requires shapes of both tensors to match. lhs shape= [700,8] rhs shape= [660,8]
[node save/Assign_7 (defined at /worker/tensorflow_jobs/easy_rec/python/model/easy_rec_estimator.py:74) = Assign[T=DT_FLOAT, _class=["loc:@attr_value_names_embedding/embedding_weights"], use_locking=true, validate_shape=true, _device="/job:localhost/replica:0/task:0/device:CPU:0"]]

很明显可以看到是Restoring from checkpoint failed ,从ckpt恢复模型出错,出错原因呢是现在的模型和ckpt的模型中attr_value_names的参数不一样。

相关实践学习
使用PAI+LLaMA Factory微调Qwen2-VL模型,搭建文旅领域知识问答机器人
使用PAI和LLaMA Factory框架,基于全参方法微调 Qwen2-VL模型,使其能够进行文旅领域知识问答,同时通过人工测试验证了微调的效果。
机器学习概览及常见算法
机器学习(Machine Learning, ML)是人工智能的核心,专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,它是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。 本课程将带你入门机器学习,掌握机器学习的概念和常用的算法。
相关文章
|
11月前
|
机器学习/深度学习 运维 监控
实时异常检测实战:Flink+PAI 算法模型服务化架构设计
本文深入探讨了基于 Apache Flink 与阿里云 PAI 构建的实时异常检测系统。内容涵盖技术演进、架构设计、核心模块实现及金融、工业等多领域实战案例,解析流处理、模型服务化、状态管理等关键技术,并提供性能优化与高可用方案,助力企业打造高效智能的实时异常检测平台。
1041 1
|
人工智能 自然语言处理 PyTorch
基于Pytorch学习Bert模型配置运行环境详细流程
基于Pytorch学习Bert模型配置运行环境详细流程
2181 1
基于Pytorch学习Bert模型配置运行环境详细流程
|
13天前
|
人工智能 JSON 供应链
畅用7个月无影 JVS Claw |手把手教你把JVS改造成「科研与产业地理情报可视化大师」
LucianaiB分享零成本畅用JVS Claw教程(学生认证享7个月使用权),并开源GeoMind项目——将JVS改造为科研与产业地理情报可视化AI助手,支持飞书文档解析、地理编码与腾讯地图可视化,助力产业关系图谱构建。
23495 11
畅用7个月无影 JVS Claw |手把手教你把JVS改造成「科研与产业地理情报可视化大师」
|
17天前
|
人工智能 缓存 BI
Claude Code + DeepSeek V4-Pro 真实评测:除了贵,没别的毛病
JeecgBoot AI专题研究 把 Claude Code 接入 DeepSeek V4Pro,跑完 Skills —— OA 审批、大屏、报表、部署 5 大实战场景后的真实体验 ![](https://oscimg.oschina.net/oscnet/up608d34aeb6bafc47f
5475 20
Claude Code + DeepSeek V4-Pro 真实评测:除了贵,没别的毛病
|
18天前
|
人工智能 JSON BI
DeepSeek V4 来了!超越 Claude Sonnet 4.5,赶紧对接 Claude Code 体验一把
JeecgBoot AI专题研究 把 Claude Code 接入 DeepSeek V4Pro 的真实体验与避坑记录 本文记录我将 Claude Code 对接 DeepSeek 最新模型(V4Pro)后的真实体验,测试了 Skills 自动化查询和积木报表 AI 建表两个场景——有惊喜,也踩
6538 16
|
7天前
|
人工智能 缓存 Shell
Claude Code 全攻略:命令大全 + 实战工作流(完整版)
Claude Code 是一款运行在终端环境下的 AI 编码助手,能够直接在项目目录中理解代码结构、编辑文件、执行命令、执行开发计划,并支持持久化记忆、上下文压缩、后台任务、多模型切换等专业能力。对于日常开发、项目维护、快速重构、代码审查等场景,它可以大幅减少手动操作、提升编码效率。本文从常用命令、界面模式、核心指令、记忆机制、图片处理、进阶工作流等维度完整说明,帮助开发者快速上手并稳定使用。
1661 3
|
6天前
|
前端开发 API 内存技术
对比claude code等编程cli工具与deepseek v4的适配情况
DeepSeek V4发布后,多家编程工具因未适配其强制要求的`reasoning_content`字段而报错。本文对比Claude Code、GitHub Copilot、Langcli、OpenCode及DeepSeek-TUI等主流工具的兼容性:Claude Code需按官方方式配置;Langcli表现最佳,开箱即用且无报错;Copilot与OpenCode暂未修复问题;DeepSeek-TUI尚处早期阶段。
1130 3
对比claude code等编程cli工具与deepseek v4的适配情况

热门文章

最新文章