在Tensorflow 2.0中使用自定义嵌入层时出错

Question

我已经做了我的自定义嵌入层，但当我测试它时，我得到了错误。 下面是我的自定义嵌入层

class EndTokenLayer(Layer):

  def __init__(self, embedding_dim=128, **kwargs):
    super(EndTokenLayer, self).__init__(**kwargs)
    self.end_token_embedding = tf.Variable(initial_value=tf.random.uniform(shape=(embedding_dim,)), trainable=True)

  def call(self, inputs):
    end_token = tf.tile(tf.reshape(self.end_token_embedding, shape=(1, 1, self.end_token_embedding.shape[0])), [tf.shape(inputs)[0],1,1])
    return tf.keras.layers.concatenate([inputs, end_token], axis=1)

但当我测试我的train_数据集（来自tensorflow切片）时，它的形状是一批 x=（16,13128）和y=（16,14）

temp = EndTokenLayer()
print(temp(inputs = train.take(1)))

错误日志： ValueError:尝试将不支持类型（）的值（）转换为张量

Answer 1

train.take(1)将为您提供一个包含单个元素的新数据集，而不是数据集的第一个元素。也许你想要这样的东西：

temp = EndTokenLayer()
for elem in train.take(1):
    print(temp(inputs=elem))

或者只是：

temp = EndTokenLayer()
print(temp(inputs=next(iter(train))))