这里的attention就是您那个函数，后面就是安装正常的两个句子分别做卷积，池化。
卷积的size变成了[filter_size, 2*embedding_size, 1, num_filters]，之后的代码就都是一样了。
但是训练的时候loss变成了nan，报错
InvalidArgumentError (see above for traceback): Nan in summary histogram for: output/b_0/grad/hist
请问您遇到过这个问题吗，怎么解决的呢？
我的代码是这么做的，但是最后loss是nan，请问您碰到过这种问题吗？ x1_embedded_chars = tf.nn.embedding_lookup(word2vec, self.input_x1) x2_embedded_chars = tf.nn.embedding_lookup(word2vec, self.input_x2) self.x1_embedded_expand = tf.expand_dims(x1_embedded_chars, -1) self.x2_embedded_expand = tf.expand_dims(x2_embedded_chars, -1)
self.attention_x1, self.attention_x2 = self.attention()
这里的attention就是您那个函数，后面就是安装正常的两个句子分别做卷积，池化。 卷积的size变成了[filter_size, 2*embedding_size, 1, num_filters]，之后的代码就都是一样了。 但是训练的时候loss变成了nan，报错 InvalidArgumentError (see above for traceback): Nan in summary histogram for: output/b_0/grad/hist 请问您遇到过这个问题吗，怎么解决的呢？