关于inference在cpu上失败的提问

[lee-liew]

你好，感谢您的代码分享，收获很多。有一个问题，是否可以帮忙回答下。
我在train的时候，完美通过了。但在inference的时候提示如下，
Node: 'embedding_lookup'
indices[0,6] = 12 is not in [0, 12)
[[{{node embedding_lookup}}]] [Op:__inference_restored_function_body_349059]

代码错误定位到如下这一行：
y = model(x)

我在网上找了好久，大概是说cpu和gpu的区别，需要修改下input_size，但由于对tf不熟悉，不知道怎么修改您的代码，如果能帮助我，万分感谢~

[LongxingTan]

@lee-liew

这个看上去是预测时数据输入范围的问题。

比如训练时这个数据是从0-11的，embedding只到类别11。但是预测时，你的输入有12，embed查找时越界了。

[lee-liew]

@LongxingTan 谢谢您的回复，我的理解是这样，因为模型搭建的时间，input shape=(None, 12, 24, 72) ,因此我predict的时候把数据组织成(1,12,24,72)，照理说应该不会报错呀，不知道我理解的对不对。。。

[LongxingTan]

嗯，你这部分理解的是没错的。

模型的输入除了时空这部分外，还有月份的。(时间比较久了，我记得也不一定清楚)
但这个12应该是来自月份的embedding，可以参考一下inference script 里对于月份的输入。

[plyu3]

这个应该是月份的数字大于11了吧。比如7月份是开始，如果用cpu训练，1月会变成13月。
另外感谢您的代码分享，看了您的一些文章介绍思路，主要集中在seq2seq，不知道能不能详细讲解空间分布是怎么处理的呢？
谢谢！

[LongxingTan]

@plyu3

空间信息主要是手动提取了一些业务特征，除了待预测的NINO3.4以外，其他还有一些NINO12，NINO3，NINO4这样的定义，可参考相关代码和注释

[zhangsone]

你好，感谢您的代码分享，收获很多。有一个问题，是否可以帮忙回答下。 我在train的时候，完美通过了。但在inference的时候提示如下， Node: 'embedding_lookup' indices[0,6] = 12 is not in [0, 12) [[{{node embedding_lookup}}]] [Op:__inference_restored_function_body_349059]

代码错误定位到如下这一行： y = model(x)

我在网上找了好久，大概是说cpu和gpu的区别，需要修改下input_size，但由于对tf不熟悉，不知道怎么修改您的代码，如果能帮助我，万分感谢~

您好，请问这个问题你解决了吗？我也遇到了同样的问题