Python Tensorflow自动编码器稀疏数据

我目前正在调整我的代码，以便能够处理稀疏数据，我被这个自动编码器卡住了：

model = keras.Sequential([
    keras.Input(shape=(input_dim, 1), sparse=True),
    keras.layers.LSTM(outer_hidden_dim, activation='relu', return_sequences=True, kernel_regularizer=keras.regularizers.l2(0.00)),
    keras.layers.LSTM(inner_hidden_dim, activation='relu', return_sequences=False),
    keras.layers.RepeatVector(training_data.shape[1]),
    keras.layers.LSTM(inner_hidden_dim, activation='relu', return_sequences=True),
    keras.layers.LSTM(outer_hidden_dim, activation='relu', return_sequences=True),
    keras.layers.TimeDistributed(keras.layers.Dense(input_dim))
  ])

model.compile(optimizer='adam', loss='mae')

model.fit(
  training_data,
  training_data,
  batch_size=batch_size, 
  shuffle=True,
  epochs=epochs,
  callbacks=[statistics, tensorboard_callback]
)

作为培训数据，我使用从COO矩阵创建的SparseTensor：

training_data = tf.sparse.reorder(tf.SparseTensor(
  indices=np.array([training_data.row, training_data.col]).T,
  values=training_data.data,
  dense_shape=training_data.shape
))
training_data = tf.sparse.reshape(training_data, [-1, 1, input_dim])

当我尝试运行此操作时，出现以下错误：

Failed to convert object of type <class 
'tensorflow.python.framework.sparse_tensor.SparseTensor'> to Tensor. Contents: 
SparseTensor(indices=Tensor("input_1/indices:0", shape=(None, 3), dtype=int64), 
values=Tensor("input_1/values:0", shape=(None,), dtype=float64), 
dense_shape=Tensor("input_1/shape:0", shape=(3,), dtype=int64)). Consider casting elements 
to a supported type.

无法将类型的对象转换为张量。内容：
SparseTensor（索引=张量（“输入1/索引：0”，形状=（无，3），数据类型=int64），
值=张量（“输入值1/值：0”，形状=（无），数据类型=浮点64），
密集形状=张量（“输入形状：0”，形状=（3，），数据类型=int64”）。考虑铸造元素
到受支持的类型。

我尝试使用自定义的训练循环；然而，我也得到了同样的错误。我可以在训练循环中加密每一批数据，但这会破坏我为什么要首先处理稀疏数据的目的。任何帮助都将不胜感激