KeyError '-f' Python для модели LSTM

Question

Функция вызывается из embedding_matrix. Может кто-нибудь объяснить, почему я получаю эту ошибку и как я могу ее устранить.

def getEmbeddingMatrix (word_index, vectorSource):
        wordVecSources = {'fasttext' : './vectors/crawl-300d-2M-subword.vec', 'custom-fasttext' : 
           './vectors/' + '20news-fasttext.json' }
        f = open (wordVecSources[vectorSource])
        allWv = {}
        if (vectorSource == 'custom-fasttext'):
            allWv = json.loads(f.read())
        elif (vectorSource == 'fasttext'):
            errorCount = 0
            for line in f:
                values = line.split()
                word = values[0].strip()
                try:
                    wv = np.asarray(values[1:], dtype='float32')
                    if (len(wv) != wvLength):
                        errorCount = errorCount + 1
                        continue
                except:
                    errorCount = errorCount + 1
                    continue
                allWv[word] = wv
            print ("# Bad Word Vectors:", errorCount)
        f.close()
        embedding_matrix = np.zeros((len(word_index)+1, wvLength))  # +1 for the masked 0
        for word, i in word_index.items():
            if word in allWv:
                embedding_matrix[i] = allWv[word]
        return embedding_matrix

early_stop = keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=5, verbose=2, mode='auto', restore_best_weights=False)
model = keras.models.Sequential()
if (vectorSource != 'none'):
    embedding_matrix = getEmbeddingMatrix (kTokenizer.word_index, vectorSource)
    embedding = keras.layers.embeddings.Embedding(input_dim=len(kTokenizer.word_index)+1, output_dim=wvLength, weights=[embedding_matrix], input_length=sequenceLength, trainable=False, mask_zero=True)
else:
    embedding = keras.layers.embeddings.Embedding(input_dim=len(kTokenizer.word_index)+1, output_dim=wvLength, input_length=sequenceLength, trainable=True, mask_zero=True)
model.add(embedding)
model.add(keras.layers.LSTM(units=150, dropout=0.2, recurrent_dropout=0.2, return_sequences=False))
model.add(keras.layers.Dense(numClasses, activation='softmax'))
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['acc'])
print(model.summary())

Когда вызывается getEmbeddingMatrix, он выдает KeyError '-f', даже если оба файла существуют в одном месте

KeyError                                  Traceback (most recent call last)
<ipython-input-45-ca6718845b1d> in <module>
      2 model = keras.models.Sequential()
      3 if (vectorSource != 'none'):
----> 4     embedding_matrix = getEmbeddingMatrix (kTokenizer.word_index, vectorSource)
      5     embedding = keras.layers.embeddings.Embedding(input_dim=len(kTokenizer.word_index)+1, output_dim=wvLength, weights=[embedding_matrix], input_length=sequenceLength, trainable=False, mask_zero=True)
      6 else:

<ipython-input-40-b29c56e927a3> in getEmbeddingMatrix(word_index, vectorSource)
      1 def getEmbeddingMatrix (word_index, vectorSource):
      2     wordVecSources = {'fasttext' : './vectors/crawl-300d-2M-subword.vec', 'custom-fasttext' : './vectors/' + '20news-fasttext.json' }
----> 3     f = open (wordVecSources[vectorSource])
      4     allWv = {}
      5     if (vectorSource == 'custom-fasttext'):

KeyError: '-f'

Answer 1

Ключом к словарю wordVecSources может быть 'fasttext' или 'custom-fasttext', но полученный ключ был '-f'.

Это означает, что вы каким-то образом присваиваете vectorSource значение '-f', когда вместо KeyError должно быть 'none', 'fasttext' или 'custom-fasttext'.

Проверьте аргумент командной строки оболочки, который относится к vectorSource в вашем коде. Например, в your_file.py скажем, у вас есть vectorSource = str(sys.argv[1]), тогда вы должны запустить что-то вроде $python your_file.py fasttext вместо $python your_file.py -f, так как здесь первый аргумент командной строки (sys.argv [1]) назначает vectorSourceего значение во время выполнения.