Building prefix dict from the default dictionary ... Loading model from cache C:\Users\26316\AppData\Local\Temp\jieba.cache Loading model cost 0.617 seconds. Prefix dict has been built successfully. Traceback (most recent call last): File "E:\PycharmProjects\neural network learning\3\emotionLSTM.py", line 38, in <module> pn['sent'] = list(preprocessing.sequence.pad_sequences(pn['sent'], maxlen=maxlen, padding='pre', truncating='pre')) AttributeError: module 'keras.preprocessing.sequence' has no attribute 'pad_sequences' Pad sequences (samples x time) Process finished with exit code 1

根据您提供的错误信息，看起来是在使用Keras的preprocessing.sequence模块时出现了问题。具体地，它指出'keras.preprocessing.sequence'没有'pad_sequences'属性。

这可能是因为您使用的Keras版本较旧，而'pad_sequences'是较新版本中的一个功能。您可以尝试更新Keras版本以解决此问题。

您可以使用以下命令在PyCharm中更新Keras：

pip install --upgrade keras

请尝试更新Keras重新运行代码，看看问题是否解决了。如果问题仍然存在，请提供更多的代码和错误信息，以便我能够更好地帮助您。

相关问题

Building prefix dict from the default dictionary ... Loading model from cache C:\Users\22530\AppData\Local\Temp\jieba.cache ['王者', '荣耀'] Loading model cost 0.605 seconds. Prefix dict has been built successfully.

这段提示信息来自于 `jieba` 分词库，它的作用是在使用 `jieba` 进行分词前，先构建一个词典，以提高分词效率。具体来说，这段提示信息包含了以下几个步骤：

1. 正在从默认词典中构建前缀词典。
2. 从缓存中加载分词模型，这个过程需要花费一定的时间。
3. 分词模型加载完成后，前缀词典构建成功。

在这段提示信息中，还包含了一个例子，即将要分词的文本中包含了 `王者` 和 `荣耀` 两个词语。这个例子的作用是告诉你，分词库已经准备好了，可以开始使用了。

Building prefix dict from the default dictionary ... Loading model from cache C:\Users\86150\AppData\Local\Temp\jieba.cache Loading model cost 0.734 seconds. Prefix dict has been built successfully.这种情况是怎么回事儿？怎么解决呢？

这种情况一般是使用了Python中的jieba分词库时出现的，它是在使用默认字典构建词库时的输出信息，说明jieba分词库已经成功加载。这不是错误，所以不需要解决。但如果你觉得这种输出信息影响你的程序运行，你可以将jieba库的日志级别设置为WARNING或ERROR，这样就不会输出这些信息了。可以使用以下代码实现：

import logging
import jieba

# 将jieba库的日志级别设置为WARNING
jieba.setLogLevel(logging.WARNING)