我尝试运行abcnn/train.py时报错：

Traceback (most recent call last):
  File "d:\GithubProjs\text_matching-master\abcnn\train.py", line 8, in <module>
    from utils.load_data import load_data
ImportError: cannot import name 'load_data' from 'utils.load_data' (d:\GithubProjs\text_matching-master\abcnn\..\utils\load_data.py)

打开ultils/load_data.py发现里面并没有load_data函数。

如何解决？

b_attention是不是不需要最外层的转置

建议attention的时候不考虑padding部分 可以参考transformer的attention部分

为什么要用tf训练一个emb？直接用gensim，然后增量训练有什么不同呢？

我理解论文中公式6的意思是，第l层t时刻的输入为（1）第l-1层t时刻隐向量，（2）第l-1层的attention向量，（3）第l-1层t时刻的输入， 三者contact起来为第l层t时刻的输入。
而代码是如下：

` for j in range(5):
with tf.variable_scope(f'p_lstm_{i}{j}', reuse=None):
p_state, _ = self.BiLSTM(tf.concat(p_state, axis=-1))
with tf.variable_scope(f'p_lstm{i}_{j}' + str(i), reuse=None):
h_state, _ = self.BiLSTM(tf.concat(h_state, axis=-1))

            p_state = tf.concat(p_state, axis=-1)
            h_state = tf.concat(h_state, axis=-1)
            # attention
            cosine = tf.divide(tf.matmul(p_state, tf.matrix_transpose(h_state)),
                               (tf.norm(p_state, axis=-1, keep_dims=True) * tf.norm(h_state, axis=-1, keep_dims=True)))
            att_matrix = tf.nn.softmax(cosine)
            p_attention = tf.matmul(att_matrix, h_state)
            h_attention = tf.matmul(att_matrix, p_state)

            # DesNet
            p = tf.concat((p, p_state, p_attention), axis=-1)
            h = tf.concat((h, h_state, h_attention), axis=-1)

`

所以，第j层的输入应该是p，而不是p_state
不知道我理解的对不对

还有一个细节，5层stacked的bilstm的输出，是要和原始字词的embedding拼接给到下一个5层stacked的bilstm？论文图1是这么画的，文字的话，好像没有提这一点
论文中还有一个pooling结构，在4个5层bilstm后面，输出如果是（30,100）的话（30个词, 每个词的embedding是100维），则进行按列进行max-pooling成100维的p、q向量，然后进行公示7的拼接，在进行3层dense。

您好，在之前的dssm和esim中设置的7901是input/vocab.txt的length，那么想问一下在bimpm.args中使用char_vocab_len = 1692 指的是哪个vocab.txt的length呢？

can this model predict the label from the new dataset?How?

1. 计算的维度错了
2. pooling需要使用实际序列长度，不能直接在整个时间序列维度上reduce。建议引入mask

ValueError: could not broadcast input array from shape (15,100) into shape (15)

Hi! Thank you for your code. May I ask what is the suitable version (including tensorflow, cuda and cudnn) about this code? It seems running at different versions will occur different errors. Thank you!

建议在train.py中路径，尽量不要用 “..”的方式作为上级路径吧... 尽量用os.path.abspath(os.path.dirname(os.path.dirname(file)))的方式引用上级路径，运行的时候不会出问题

Pooling阶段，对BiLSTM的输出做pooling操作，应该是在句子长度的这个维度，也就是维度1上，不是维度2.

tensorflow.python.framework.errors_impl.InvalidArgumentError: indices[469,0] = 2667 is not in [0, 1692)
[[{{node embedding_lookup_1}}]]

QA_corpus数据集方便介绍一下吗？

我发现dssm下的graph.h

函数cosine：

def cosine(p, h):
    p_norm = tf.norm(p, axis=1, keepdims=True)
    h_norm = tf.norm(p, axis=1, keepdims=True)

上面的h_norm应该是使用”h“而非"p"吧？