InvalidArgumentError (see above for traceback): Assign requires shapes of both tensors to match

在服务器上训练完的模型，copy到本地电脑进行测试模型，但是此时的测试语料是新的语料，存在“测试语料中的字不在之前的训练时生成的字典中”（本人做的是基于LSTM的命名实体识别的任务）的问题，在测试的过程中，运动下面的问题：

InvalidArgumentError (see above for traceback): Assign requires shapes of both tensors to match. lhs shape= [2457,100] rhs shape= [2354,100]
     [[Node: saveModel/save/Assign_4 = Assign[T=DT_FLOAT, _class=["loc:@embeddings"], use_locking=true, validate_shape=true, _device="/job:localhost/replica:0/task:0/device:CPU:0"](embeddings/Adam, saveModel/save/RestoreV2_4)]]

上面的问题是说数据的shape匹配不上

仔细分析了各个数据的含义：

100：字的向量维度

2457：来一个测试语料，本人错误的将未在训练时生成的字典中时，则增大字典，即表示增大之后字典的大小

2354：训练时生成的字典大小
 

修改方法：

将未出现在字典中的字归为未登录词上面即可，即代码中扩充字典的地方，将未登录词所对应的Id统一映射到0（也可以使其他数字，因为我的代码中是将未登录词的id表示为0）上面

原因：

模型保存时会将训练好的参数进行保存，比如权重W，此时有的参数是有shape的，无形当中也会将字典的长度保存进去（仅本人的理解）