tensorflow v2.1.0的等效StringLookup

我正在尝试构建一个类似于此的推荐模型。但是这个例子使用的是Tensorflow v2.4.0，在我的工作中，我需要使用v2.1.0。似乎v2.1.0中不存在

StringLookUp

层。在2.1.0中是否有任何等效的方法来实现完全相同的目标？我需要在这样的模型中使用它：

user_model = tf.keras.Sequential([
  tf.keras.layers.experimental.preprocessing.StringLookup(
      vocabulary=unique_user_ids, mask_token=None),
  tf.keras.layers.Embedding(len(unique_user_ids) + 1, embedding_dimension)
])

只要不关心映射顺序，就可以使用将字符串散列到索引

示例：

import tensorflow as tf

print(tf.__version__)
# 2.1.0

NUM_BUCKETS = 6
EMB_DIM = 128

# five unique user ids
user_ids = tf.constant([u'463', u'112', u'666', u'932', u'878', u'[UNK]'])

# hash to numbers 0-5; 5 numbers for the known unique ids and one
# to account for unknown or empty strings
idxs = tf.strings.to_hash_bucket_strong(
    input=user_ids,
    num_buckets=NUM_BUCKETS,
    key=[1, 2])

print(idxs)
# <tf.Tensor: shape=(6,), dtype=int64, numpy=array([2, 3, 4, 0, 5, 1])>

# And now you can apply your embeddings to the indices you've generated
emb = tf.keras.layers.Embedding(
    input_dim=NUM_BUCKETS,
    output_dim=EMB_DIM)

assert emb(idxs).shape == (6, 128)

将tensorflow导入为tf
打印（tf.\U版本\U）
# 2.1.0
NUM_bucket=6
EMB_DIM=128
#五个唯一的用户ID
用户ID=tf.常数（[u'463'，u'112'，u'666'，u'932'，u'878'，u'[UNK]']））
#散列到数字0-5；已知唯一ID的5个编号和一个
#说明未知或空字符串的步骤
idxs=tf.strings.to_hash_bucket_strong(
输入=用户ID，
num_bucket=num_bucket，
键=[1,2]）
打印（idxs）
# 
#现在，您可以将嵌入应用于生成的索引
emb=tf.keras.layers.emb(
输入尺寸=桶数，
输出尺寸=EMB尺寸）
断言emb（idxs）.shape==（6128）