Python 3.x 在tensorflow 2.4中使用sampled_softmax时，无法将符号Keras输入/输出转换为numpy数组类型错误

我正在尝试使用TF2.4和Keras以及tf.nn.sampled_softmax_loss来训练单词嵌入分类器。但是，当调用模型的fit方法时，会出现“无法将符号Keras输入/输出转换为numpy数组”类型错误。请帮助我修复错误或使用替代方法进行候选采样

将tensorflow导入为tf
将numpy作为np导入
textVectoriation=tf.keras.layers.experimental.preprocessing.textVectoriation
类别样本OFTMAXLOSS:#（tf.keras.Loss.Loss）：
定义初始化（自、模型、n类）：
self.model=model
输出层=模型层[-1]
self.input=output\u layer.input
self.weights=output\u layer.weights
self.n_类=n_类
def损失（自身、y_真实、y_预测、**kwargs）：
标签=tf.argmax（y_为真，轴=1）
标签=tf.展开尺寸（标签，-1）
损耗=tf.nn.sampled\u softmax\u损耗(
权重=自身权重[0]，
偏差=自身重量[1]，
标签=标签，
输入=自我输入，
采样数=3，
num_classes=self.n_classes
)
回波损耗
最大功能=50最大声音大小。
最大长度=10#将输出填充到的序列长度。
嵌入_dims=5
input_data=np.数组（[
“Python机器学习”，
“从头开始的数据科学：Python的首要原则”，
“使用Scikit Learn和TensorFlow进行机器学习的实践：构建智能系统的概念、工具和技术”，
“Python机器学习入门：数据科学家指南”，
“Python机器学习重要入门：改进和优化机器学习系统和算法的最佳实践”，
“Python中的机器学习：预测分析的基本技术”，
“Python数据科学手册：处理数据的基本工具”，
“介绍数据科学：大数据、机器学习等，使用Python工具”，
“真实世界机器学习”]）
标签\u one\u hot=[]
对于范围内的i（len（输入_数据））：
labels=np.random.randint（0,6，最大特征）
标签[标签>1]=1
标签\u一个\u热。附加（标签）
labels\u one\u hot=np.array（labels\u one\u hot）
#创建文本分类编码层。
矢量化\图层=文本矢量化(
最大令牌=最大特征，
输出模式为int，
输出（序列长度=最大长度）
矢量化\u层.adapt（文本\u数据集）
inp=tf.keras.Input（shape=（1，），dtype=tf.string）
idxs=矢量化_层（inp）
嵌入=tf.keras.layers.Embedding（最大特征+1，嵌入尺寸，输入长度=最大长度）（idxs）
flat=tf.keras.layers.flatte（）（嵌入）
out=tf.keras.layers.density（标签为一个热形状[1]）（平坦）
model=tf.keras.models.model（输入，输出）
softmax=SampledSoftmaxLoss（型号、标签\u-one\u-hot.shape[1]）
model.compile（'adam'，loss=softmax.loss）
model.summary（）
model.fit（输入数据、标签）
模型预测（输入数据）

这是日志：

INFO:tensorflow:资产写入：模型/资产
型号：“型号5”
_________________________________________________________________
层（类型）输出形状参数
=================================================================
输入_84（输入层）[（无，1）]0
_________________________________________________________________
文本向量化（TextV（None，10）0
_________________________________________________________________
嵌入_83（嵌入）（无，10，5）255
_________________________________________________________________
展平25（展平）（无，50）0
_________________________________________________________________
致密（致密）（无，50）2550
=================================================================
总参数：2805
可培训参数：2805
不可训练参数：0
_________________________________________________________________
---------------------------------------------------------------------------
TypeError回溯（最近一次调用上次）
在（）
106型号编译（'adam'，损耗=软最大损耗）
107范本摘要（）
-->108型号拟合（输入数据、标签、单件热）
109#现在，模型可以将字符串映射为整数，并且可以添加嵌入
110#层将这些整数映射到已学习的嵌入。
9帧
/包装器中的usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/func_graph.py（*args，**kwargs）
975例外情况为e:#pylint:disable=broad except
976如果hasattr（e，“AGU错误元数据”）：
-->977将e.ag\u错误\u元数据引发到\u异常（e）
978其他：
979提高
TypeError:在用户代码中：
/usr/local/lib/python3.6/dist包/tensorflow/python/keras/engine/training.py:805 train_函数*
返回步骤_函数（self、迭代器）
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:795-step_函数**
输出=模型。分配策略。运行（运行步骤，参数=（数据，）
/usr/local/lib/python3.6/dist包/tensorflow/python/distribute/distribute_lib.py:1259运行
返回self.\u扩展。为每个\u副本调用\u（fn，args=args，kwargs=kwargs）
/usr/local/lib/python3.6/dist包/tensorflow/python/distribute/distribute_lib.py:2730为每个复制副本调用
返回自我。为每个副本（fn、ARG、kwargs）调用
/usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute\u-lib.py:3417\u为每个副本调用\u
返回fn（*args，**kwargs）
/usr/local/lib/python3.6/dist包/tensorflow/python/keras/engine/training.py:788运行步骤**
输出=型号列车步进（数据）
/usr/local/lib/python3.6/dist包/tensorflow/python/keras/engine/training.py:756 train\u步骤
del model

model = tf.keras.models.Model(inp, out)