WSL2环境下TensorFlow语言模型训练报错求助（Windows无此问题）

第一个错误：TypeError: Layer.__init__() takes 1 positional argument but 2 were given #

• 原因：调用父类构造函数时错误传递了self参数。Python中super()已经自动绑定当前类实例，不需要显式传入self。
• 解决：将super().__init__(self)修改为super().__init__()即可，你已经完成了这个修正。

第二个错误：Shapes of all inputs must match: values[0].shape = [256,100,256] != values[1].shape = [] #

• 原因：GRU的状态处理存在形状不匹配问题。TensorFlow中，单层GRU的get_initial_state方法有时会返回状态列表（而非单个张量），直接传入GRU后返回的状态也会是列表，导致模型返回多输出时Keras无法正确处理形状。
• 解决：修改call方法，显式处理状态的列表/张量转换，确保返回的状态是单个张量：

class MyModel(tf.keras.Model):
  def __init__(self, vocab_size, embedding_dim, rnn_units):
    super().__init__()
    self.embedding = tf.keras.layers.Embedding(vocab_size, embedding_dim)
    self.gru = tf.keras.layers.GRU(rnn_units,
                                   return_sequences=True,
                                   return_state=True)
    self.dense = tf.keras.layers.Dense(vocab_size)

  def call(self, inputs, states=None, return_state=False, training=False):
    x = inputs
    x = self.embedding(x, training=training)
    if states is None:
      states = self.gru.get_initial_state(x)
      # 处理get_initial_state返回列表的情况
      if isinstance(states, (list, tuple)):
        states = states[0]
    # 调用GRU并处理返回的状态
    x, new_states = self.gru(x, initial_state=states, training=training)
    if isinstance(new_states, (list, tuple)):
      new_states = new_states[0]
    x = self.dense(x, training=training)

    if return_state:
      return x, new_states
    else:
      return x

另外需注意：训练时确保未触发return_state=True（该参数默认是False），避免模型返回双输出但训练标签仅为单张量的情况。

内容的提问来源于stack exchange，提问作者Morris van den Bergh