基于字符的LSTM-RNN肽序列生成模型报错：ValueError: This model has not yet been built 解决方案咨询

看起来你遇到的问题主要来自两个核心点：模型初始化的代码错误，以及针对短肽序列的数据集适配问题。我来一步步帮你排查解决：

1. 最直接的错误：模型初始化的参数传递错误 #

你自定义的MyModel类在调用父类构造函数时犯了一个小疏忽——多传递了self参数，这直接导致TensorFlow无法正确初始化并构建模型结构。

错误代码：

super().__init__(self)

修正后的正确代码：

super().__init__()

这个小错误是触发ValueError: This model has not yet been built的根本原因，修正后模型就能正常识别层结构，model.summary()也能顺利执行。

2. 数据集适配问题：过长的序列长度不适合短肽序列 #

原教程针对莎士比亚的长文本设置了seq_length = 100，但你的肽序列都是短字符组成的，这个长度设置会导致：

• 生成的训练序列为空（因为文本总长度不足以支撑这么长的序列，batch操作会丢弃所有不符合长度要求的片段）
• 模型无法获得有效输入样本来完成构建

解决方案： #

先分析你的数据集，设置一个适配的序列长度：

# 拆分出所有肽序列，统计平均长度
peptides = text.split()
avg_length = np.mean([len(p) for p in peptides])
# 设置序列长度为平均长度附近的整数，兜底值设为10避免极端情况
seq_length = int(avg_length) if avg_length > 0 else 10
# 检查生成的样本数，确保大于0
examples_per_epoch = len(text)//(seq_length+1)
print(f"调整后的序列长度: {seq_length}, 每轮训练样本数: {examples_per_epoch}")

如果examples_per_epoch输出为0，说明序列长度还是太大，继续调小即可。

3. 解决"example_batch_predictions未定义"的后续报错 #

当你修正了上述两个问题后，重新运行代码，example_batch_predictions = model(input_example_batch)这一行就能正常执行——模型已经正确初始化，且有有效的输入数据，后续的tf.random.categorical相关代码也就不会再报错。

完整修正后的核心代码片段 #

class MyModel(tf.keras.Model):
  def __init__(self, vocab_size, embedding_dim, rnn_units):
    super().__init__()  # 这里修正了参数错误
    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)
    x, states = self.gru(x, initial_state=states, training=training)
    x = self.dense(x, training=training)

    if return_state:
      return x, states
    else:
      return x

# 适配短肽序列的序列长度设置
peptides = text.split()
avg_length = np.mean([len(p) for p in peptides])
seq_length = int(avg_length) if avg_length > 0 else 10
examples_per_epoch = len(text)//(seq_length+1)
print(f"调整后的序列长度: {seq_length}, 每轮训练样本数: {examples_per_epoch}")

# 后续的数据集处理、模型实例化代码保持不变...

额外检查建议 #

• 确认你的generatorinput.txt文件读取正常，没有编码问题或空文件的情况
• 检查vocab变量的内容，确保包含了你肽序列中的所有字符（包括空格，如果你的序列需要保留空格分隔的话）

内容的提问来源于stack exchange，提问作者Ash Roy