BucketIterator 抛出 'Field' 对象没有属性 'vocab'

Posted 2023-03-12

【中文标题】BucketIterator 抛出 \'Field\' 对象没有属性 \'vocab\'

【英文标题】：BucketIterator throws 'Field' object has no attribute 'vocab'BucketIterator 抛出 'Field' 对象没有属性 'vocab'

【发布时间】：2019-10-08 14:44:30

【问题描述】：

这不是一个新问题，我发现没有任何解决方案的参考first 和second。 我是 PyTorch 的新手，面对AttributeError: 'Field' object has no attribute 'vocab'，同时使用torchtext 在PyTorch 中创建批量文本数据。

跟进Deep Learning with PyTorch这本书，我写了与书中解释的相同的例子。

这是sn-p：

from torchtext import data
from torchtext import datasets
from torchtext.vocab import GloVe

TEXT = data.Field(lower=True, batch_first=True, fix_length=20)
LABEL = data.Field(sequential=False)
train, test = datasets.IMDB.splits(TEXT, LABEL)

print("train.fields:", train.fields)
print()
print(vars(train[0]))  # prints the object



TEXT.build_vocab(train, vectors=GloVe(name="6B", dim=300),
                 max_size=10000, min_freq=10)

# VOCABULARY
# print(TEXT.vocab.freqs)  # freq
# print(TEXT.vocab.vectors)  # vectors
# print(TEXT.vocab.stoi)  # Index

train_iter, test_iter = data.BucketIterator.splits(
    (train, test), batch_size=128, device=-1, shuffle=True, repeat=False)  # -1 for cpu, None for gpu

# Not working (FROM BOOK)
# batch = next(iter(train_iter))

# print(batch.text)
# print()
# print(batch.label)

# This also not working (FROM Second solution)
for i in train_iter:
    print (i.text)
    print (i.label)

这是堆栈跟踪：

AttributeError                            Traceback (most recent call last)
<ipython-input-33-433ec3a2ca3c> in <module>()
      7 
      8 
----> 9 for i in train_iter:
     10     print (i.text)
     11     print (i.label)

/anaconda3/lib/python3.6/site-packages/torchtext/data/iterator.py in __iter__(self)
    155                     else:
    156                         minibatch.sort(key=self.sort_key, reverse=True)
--> 157                 yield Batch(minibatch, self.dataset, self.device)
    158             if not self.repeat:
    159                 return

/anaconda3/lib/python3.6/site-packages/torchtext/data/batch.py in __init__(self, data, dataset, device)
     32                 if field is not None:
     33                     batch = [getattr(x, name) for x in data]
---> 34                     setattr(self, name, field.process(batch, device=device))
     35 
     36     @classmethod

/anaconda3/lib/python3.6/site-packages/torchtext/data/field.py in process(self, batch, device)
    199         """
    200         padded = self.pad(batch)
--> 201         tensor = self.numericalize(padded, device=device)
    202         return tensor
    203 

/anaconda3/lib/python3.6/site-packages/torchtext/data/field.py in numericalize(self, arr, device)
    300                 arr = [[self.vocab.stoi[x] for x in ex] for ex in arr]
    301             else:
--> 302                 arr = [self.vocab.stoi[x] for x in arr]
    303 
    304             if self.postprocessing is not None:

/anaconda3/lib/python3.6/site-packages/torchtext/data/field.py in <listcomp>(.0)
    300                 arr = [[self.vocab.stoi[x] for x in ex] for ex in arr]
    301             else:
--> 302                 arr = [self.vocab.stoi[x] for x in arr]
    303 
    304             if self.postprocessing is not None:

AttributeError: 'Field' object has no attribute 'vocab'

如果不使用 BucketIterator，我还能用什么来获得类似的 输出？

【参考方案1】：

您还没有为 LABEL 字段构建词汇。

在TEXT.build_vocab(train, ...)之后，运行LABEL.build_vocab(train)，其余的都会运行。

【讨论】：

为什么我们必须为 LABEL 字段构建词汇？它只包含标签。我真的不明白。

词汇需要映射到数字标识符，这不仅需要对文本标记进行，还需要对标签进行

词汇不是唯一词和代表它们的 ID 之间的映射吗？示例对象确实同时具有文本和标签属性，所以标签不是已经映射了吗？我真的无法理解这个 build_vocab 的东西，你知道一个教程可以彻底解释这个吗？

正确，它是从唯一词（或标记或标签或子词等）到数字标识符的映射。在这个针对 IMDB 数据集的特定示例中，每个示例的标签都是“负”或“正”，它们将简单地映射到 1 和 2。在其他情况下，您可能有更多标签，因此可能有更大的词汇量。在构建词汇后尝试print(LABEL.vocab.stoi)，你会看到一个看起来像'<unk>': 0, 'neg': 1, 'pos': 2的字典

如果数据已经是数字，您可能只想将 Field.use_vocab 设置为 False