TensorFlow:使用weighted_categorical_column时出错

Question

我研究一个包含字段街的二进制分类问题。在第一步中，我使用了Tokenization来获取一个单词列表(一个单词在不同数据集中出现的频率)。然后，我使用这些信息在Dataframe中创建了两个列，描述了这个词及其使用频率：

def buildWeightList(indexes, tokenizer):
    weights = []
    for index in indexes:
        if index == 0:
            weights.append(0)
        else:
            weights.append(tokenizer.index_docs.get(index))
    return weights

street_tokenized = ts.texts_to_sequences(data['STREETPRO'])
data['STREETPRO'] = tf.keras.preprocessing.sequence.pad_sequences(street_tokenized, maxlen=1)
data['STREETFREQ']  = buildWeightList(data['STREETPRO'], ts)

在将Dataframe转换为TensorFlow数据集之后，我使用了以下代码将其添加到今后的列中：

vocabulary_list = np.arange(0, street_num_words + 1, 1).tolist()
street_voc = tf.feature_column.categorical_column_with_vocabulary_list(
    key='STREETPRO', vocabulary_list=vocabulary_list, dtype=tf.dtypes.int64)

weighted_street = tf.feature_column.weighted_categorical_column(categorical_column=street_voc, weight_feature_key='STREETFREQ', dtype=tf.dtypes.int64)
street_one_hot = feature_column.indicator_column(weighted_street)

feature_columns.append(street_one_hot)

如您所见，我使用了函数tf.feature_column.weighted_categorical_column.不幸的是，当我试图训练我的模型时，我得到了以下错误：

InvalidArgumentError:  indices and values rows (indexing dimension) must match. (indices = 5, values = 1)
     [[node sequential/dense_features_2/STREETPRO_weighted_by_STREETFREQ_indicator/SparseMerge/SparseReorder (defined at <ipython-input-40-964101dd1dc8>:3) ]] [Op:__inference_train_function_986]

此外，我还收到以下警告：

WARNING:tensorflow:From ...\feature_column\feature_column_v2.py:4366: sparse_merge (from tensorflow.python.ops.sparse_ops) is deprecated and will be removed in a future version.

现在我有两个问题：

First：在我描述的问题上使用这个函数有意义吗？不幸的是，我找不到这个函数如何工作的详细描述(只有这个简短的文档：https://www.tensorflow.org/api_docs/python/tf/feature_column/weighted_categorical_column)。

第二：如何修复所描述的错误？

Answer 1

一年后，报告说我也有同样的问题，并通过消除任何零权重的例子来“解决”。可能是Tensorflow将某些内容转换为稀疏表示并省略零的问题。