BI-LSTM-CRF模型训练NER任务时触发AttributeError问题求助

这个错误通常是因为你使用的CRF损失函数和评估指标没有正确绑定到你的CRF层实例，导致Tensor缺失Keras所需的历史追踪信息。下面是具体的解决方案：

1. 确认CRF层的正确导入与依赖 #

首先，确保你使用的是TensorFlow Addons中的CRF层（这是官方推荐的兼容tf.keras的实现），而不是旧的keras-contrib包（该包已停止维护，容易出现兼容性问题）。

如果还没安装TensorFlow Addons，先在Colab中执行：

!pip install tensorflow-addons

然后在代码中导入：

import tensorflow_addons as tfa

2. 修改模型编译逻辑，绑定CRF层的内置损失与指标 #

你之前直接调用losses.crf_loss和metrics.crf_accuracy，这些全局函数没有和你的crf_layer实例关联，导致计算时Tensor丢失了_keras_history属性。正确的做法是使用CRF层自带的loss和accuracy方法：

修改后的完整模型代码：

input_layer = layers.Input(shape=(MAX_SENTENCE,))
model = layers.Embedding(WORD_COUNT, DENSE_EMBEDDING, embeddings_initializer="uniform", input_length=MAX_SENTENCE)(input_layer)
model = layers.Bidirectional(layers.LSTM(LSTM_UNITS, recurrent_dropout=LSTM_DROPOUT, return_sequences=True))(model)
model = layers.TimeDistributed(layers.Dense(DENSE_UNITS, activation="relu"))(model)
# 使用tensorflow-addons的CRF层
crf_layer = tfa.layers.CRF(units=TAG_COUNT)
output_layer = crf_layer(model)
ner_model = Model(input_layer, output_layer)
opt = tf.keras.optimizers.Adam(learning_rate=0.001)
# 关键：使用CRF层内置的loss和accuracy
ner_model.compile(optimizer=opt, loss=crf_layer.loss, metrics=[crf_layer.accuracy])
ner_model.summary()

3. 额外检查：版本兼容性 #

确保你的TensorFlow版本和TensorFlow Addons版本匹配，比如：

• TensorFlow 2.10.x 对应 TensorFlow Addons 0.18.x
• TensorFlow 2.11.x 对应 TensorFlow Addons 0.19.x
• TensorFlow 2.12+ 可以使用最新的TensorFlow Addons版本

如果版本不匹配，可能会引发其他隐性问题，建议执行以下命令确保版本兼容：

!pip install tensorflow==2.10 tensorflow-addons==0.18.0

这样修改后，你的模型应该能正常拟合训练数据，不会再触发_keras_history相关的错误。

内容的提问来源于stack exchange，提问作者Alassane