TensorFlow v1.x教程报错：__init__()收到意外参数'num_samples'

报错原因 #

你调用tf.compat.v1.distributions.Multinomial时传入了num_samples参数，但该类的构造函数并不接受这个参数。原代码想实现从预测概率分布中采样1个字符ID的逻辑，TF1.x的旧写法在TF2.x中不再适用。

TF2.x 解决方案 #

方案1：使用tf.random.categorical（推荐，无需额外依赖） #

直接用TF2.x原生的tf.random.categorical函数实现多项分布采样，替代原来的Multinomial调用：

修改generate_text函数中的采样代码部分：

# 替换原来的predicted_id行
predictions = predictions / temperature
# tf.random.categorical接受2D张量，因此将1D的predictions扩展维度
predicted_id = tf.random.categorical(tf.expand_dims(predictions, 0), num_samples=1)[0, 0].numpy()

完整修改后的generate_text函数：

def generate_text(model, start_string):
  # Evaluation step (generating text using the learned model)

  # Number of characters to generate
  num_generate = 1000

  # Converting our start string to numbers (vectorizing)
  input_eval = [char2idx[s] for s in start_string]
  input_eval = tf.expand_dims(input_eval, 0)

  # Empty string to store our results
  text_generated = []

  # Low temperatures results in more predictable text.
  # Higher temperatures results in more surprising text.
  # Experiment to find the best setting.
  temperature = 1.0

  # Here batch size == 1
  model.reset_states()
  for i in range(num_generate):
      predictions = model(input_eval)
      # remove the batch dimension
      predictions = tf.squeeze(predictions, 0)

      # using a multinomial distribution to predict the word returned by the model
      predictions = predictions / temperature
      # 使用TF2.x原生的categorical采样
      predicted_id = tf.random.categorical(tf.expand_dims(predictions, 0), num_samples=1)[0, 0].numpy()
      
      # We pass the predicted word as the next input to the model
      # along with the previous hidden state
      input_eval = tf.expand_dims([predicted_id], 0)

      text_generated.append(idx2char[predicted_id])

  return (start_string + ''.join(text_generated))

方案2：使用TensorFlow Probability的Multinomial（需安装TFP） #

若倾向于使用分布类写法，可安装TensorFlow Probability库后用tfp.distributions.Multinomial：

1. 安装TFP：

pip install tensorflow-probability

2. 修改采样代码：

import tensorflow_probability as tfp

# 替换原来的predicted_id行
predictions = predictions / temperature
# 创建Multinomial分布，total_count=1表示采样1次
multinomial = tfp.distributions.Multinomial(total_count=1, logits=predictions)
# 采样并提取结果
predicted_id = tf.argmax(multinomial.sample(1), axis=-1).numpy()[0]

关键说明 #

• tf.random.categorical是TF2.x专门用于分类分布采样的原生函数，输入为未归一化的logits，num_samples指定采样数量，用法更简洁直接。
• 升级到TF2.x后，建议尽量避免使用tf.compat.v1下的旧API，改用原生TF2.x接口，减少兼容层带来的潜在问题。

内容的提问来源于stack exchange，提问作者Black Snow