运行模型后提示Traceback (most recent call last): File "E:\data\ChatGPT\ChatGPT_Test.py", line 9, in <module> model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-medium",padding_mode="left") File "C:\Users\MIS_L\AppData\Roaming\Python\Python311\site-packages\transformers\models\auto\auto_factory.py", line 471, in from_pretrained return model_class.from_pretrained( File "C:\Users\MIS_L\AppData\Roaming\Python\Python311\site-packages\transformers\modeling_utils.py", line 2498, in from_pretrained model = cls(config, *model_args, **model_kwargs) TypeError: GPT2LMHeadModel.__init__() got an unexpected keyword argument 'padding_mode'，需要如何修改

这个错误提示是由于参数padding_mode是在AutoModelForCausalLM的构造函数中被传递给GPT2LMHeadModel的构造函数，但是GPT2LMHeadModel的构造函数中并没有定义这个参数。

解决这个问题，可以直接在调用GPT2LMHeadModel时，将padding_mode参数从参数列表中去除。

修改前的代码：

model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-medium", padding_mode="left")

修改后的代码：

model = AutoModelForCausalLM.from_pretrained("microsoft/DialoGPT-medium")

这样就可以避免这个错误了。

相关问题

Traceback (most recent call last): File "D:\162040229\2023DataFusion\network_test.py", line 100, in <module> output = mynet(image) TypeError: 'collections.OrderedDict' object is not callable

这个错误通常是因为你在代码中使用了一个 `collections.OrderedDict` 对象，然而你将其当做了一个函数来调用。你需要检查一下你的代码，看看是否在 `mynet` 中的某个地方调用了一个字典对象。

如果 `mynet` 是一个类，你可能需要在类中添加一个 `__call__` 方法来使得该类实例能够被调用，例如：

class MyNet(nn.Module):
    def __init__(self):
        super(MyNet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),
            nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),
        )
        self.avgpool = nn.AdaptiveAvgPool2d((7, 7))
        self.classifier = nn.Sequential(
            nn.Linear(128 * 7 * 7, 512),
            nn.ReLU(inplace=True),
            nn.Linear(512, 10),
        )

    def forward(self, x):
        x = self.features(x)
        x = self.avgpool(x)
        x = torch.flatten(x, 1)
        x = self.classifier(x)
        return x

    def __call__(self, x):
        return self.forward(x)

如果 `mynet` 是一个函数，那么你需要确保在函数定义中没有使用和 `mynet` 相同的变量名。例如：

def mynet(x):
    features = nn.Sequential(
        nn.Conv2d(3, 64, kernel_size=3, stride=1, padding=1),
        nn.ReLU(inplace=True),
        nn.MaxPool2d(kernel_size=2, stride=2),
        nn.Conv2d(64, 128, kernel_size=3, stride=1, padding=1),
        nn.ReLU(inplace=True),
        nn.MaxPool2d(kernel_size=2, stride=2),
    )
    avgpool = nn.AdaptiveAvgPool2d((7, 7))
    classifier = nn.Sequential(
        nn.Linear(128 * 7 * 7, 512),
        nn.ReLU(inplace=True),
        nn.Linear(512, 10),
    )

    x = features(x)
    x = avgpool(x)
    x = torch.flatten(x, 1)
    x = classifier(x)
    return x

希望这些信息能帮到你解决问题！

Traceback (most recent call last): File "D:\project\image_test.py", line 201, in <module> get_norminfo("D:\\project\\norms.txt") File "D:\project\image_test.py", line 97, in get_norminfo Label, norm = data.strip("\n").split("\t") ValueError: too many values to unpack (expected 2)

这个错误的原因是在第 97 行代码中，使用 `strip()` 函数删除了换行符后，使用 `split()` 函数分割字符串，但是分割后的结果不是两个元素，导致无法将其解包为两个变量。这可能是因为 `data` 变量中包含了额外的制表符或者空格，导致分割出的元素数量不正确。你可以检查一下 `norms.txt` 文件中的数据格式是否正确，或者使用 `split()` 函数的第二个参数指定分割次数，例如：`data.strip("\n").split("\t", 1)`，将只分割一次。