TensorFlow加载GloVe预训练向量后embedding_lookup无输出求助

看起来你遇到的核心问题是tf.Print没有输出，同时代码里还存在预训练向量未正确加载的问题，我来一步步帮你解决：

为什么tf.Print没有输出？ #

首先要明确：tf.Print的输出是发送到标准错误流（stderr），而Jupyter Notebook默认情况下可能不会显示stderr的内容，这是你看不到输出的主要原因。另外，你的代码还漏掉了关键的预训练向量初始化步骤，即使tf.Print能输出，结果也会是全0的无效值。

修复步骤 #

1. 补全预训练向量的初始化操作

你定义了embedding_init来把GloVe向量赋值给变量W，但在会话中完全没有运行这个操作！这会导致W一直是初始的全0张量，完全没用到预训练的GloVe向量。

2. 替换弃用的初始化函数

tf.initialize_all_variables()已经被官方弃用，建议换成tf.global_variables_initializer()，避免潜在的兼容问题。

3. 改用更可靠的输出方式

放弃tf.Print，直接获取张量的数值并通过Python原生print()输出，这样能确保内容显示在Jupyter的标准输出里。

修正后的完整代码 #

# 假设你已经按照教程完成了GloVe向量的加载，得到了embedding_matrix（形状为[vocab_size, embedding_dim]）
g = tf.Graph()
with g.as_default():
    W = tf.Variable(tf.constant(0.0, shape=[vocab_size, embedding_dim]), trainable=False, name="W")
    embedding_placeholder = tf.placeholder(tf.float32, [vocab_size, embedding_dim])
    embedding_init = W.assign(embedding_placeholder)
    foo = tf.nn.embedding_lookup(W, x[0])
    # 替换弃用的初始化函数
    init_op = tf.global_variables_initializer()

with tf.Session(graph=g) as sess:
    # 初始化所有变量
    sess.run(init_op)
    # 关键步骤：将预训练的GloVe向量赋值给W
    sess.run(embedding_init, feed_dict={embedding_placeholder: embedding_matrix})
    # 获取embedding lookup的结果并打印
    embedding_result = sess.run(foo)
    print("Embedding lookup result for x[0]:")
    print(embedding_result)

额外验证点 #

• 确认embedding_matrix的形状是[vocab_size, embedding_dim]，和W的定义一致，否则会抛出维度不匹配的错误。
• 检查x[0]中的词汇索引是否都在vocab_size的范围内，避免embedding_lookup出现越界问题。

内容的提问来源于stack exchange，提问作者johnsmith