新版TensorFlow Sequential无predict_classes属性文本生成报错解决

报错原因 #

该报错出现在TensorFlow 2.6及以上版本中，官方已经彻底移除了Keras Sequential/Functional模型的predict_classes方法，网上多数旧教程基于低版本TensorFlow编写，直接复用代码就会触发该错误。

自行修改代码无效的核心原因 #

你之前尝试用np.argmax搭配predict()替代predict_classes的思路是正确的，但代码存在两处逻辑错误导致输出异常：

• 维度取值错误：model.predict()返回的是形状为(batch_size, 词表大小)的概率矩阵，np.argmax按轴取值后返回的是长度为batch_size的一维数组，直接用数组和词表存储的整数索引做相等判断，永远无法匹配到正确的词
• 缩进逻辑错误：原代码中拼接种子文本、追加生成词的逻辑被错误写到了遍历词表的for循环内部，会导致还没匹配到目标词就提前拼接空值，甚至第一次循环就直接返回结果，根本无法完成多轮词生成

修复后的可用代码 #

import numpy as np
from tensorflow.keras.preprocessing.sequence import pad_sequences

def generate_text_seq(model, tokenizer, text_seq_length, seed_text, n_words):
    generated_words = []
    current_input = seed_text
    for _ in range(n_words):
        # 文本转序列、补长截断，匹配模型输入维度要求
        encoded_seq = tokenizer.texts_to_sequences([current_input])[0]
        encoded_seq = pad_sequences([encoded_seq], maxlen=text_seq_length, truncating='pre')
        # 预测概率分布，取最大概率对应索引，效果完全等价于旧版predict_classes
        pred_result = model.predict(encoded_seq, verbose=0)
        target_index = np.argmax(pred_result, axis=-1)[0]
        
        # 匹配索引对应的目标词
        output_word = ""
        for word, idx in tokenizer.word_index.items():
            if idx == target_index:
                output_word = word
                break
        # 更新下一轮预测的输入文本，记录当前生成的词
        current_input += " " + output_word
        generated_words.append(output_word)
    return " ".join(generated_words)

扩展提示 #

如果想要生成的文本更具多样性、避免内容生硬重复，可以不用固定选取概率最高的词，而是按预测得到的概率分布做随机采样，替换掉上述代码中np.argmax的取值逻辑即可。

内容的提问来源于stack exchange，提问作者Vijay Prasanna Gurubaran