使用另一个神经网络的输出构建神经网络，张量问题

Question

我正在尝试对堆栈溢出帖子进行一些 NLP，以根据标题中的内容预测标签。

我有一个限制，即我必须使用 Sentence transformers

的框架嵌入我的句子

这个想法是嵌入句子并将它们用作我构建的神经网络的输入。

我不是神经网络方面的专家，所以我可能遗漏了很多东西

我遇到的问题是它无法转换为张量。 我试过用 this post on SO 解决这个问题，但仍然有同样的问题......

下面是我的代码：

title_list = df.Title.tolist()

model = SentenceTransformer('paraphrase-distilroberta-base-v1')
embeddings = model.encode(title_list)
embeddings_list = [elem for elem in embeddings_ex]

df_embed = df 
df_embed['Embeddings'] = embeddings_list
df_embed.Embeddings = [np.asarray(x).astype('float32') for x in df_embed.Embeddings]

X = df_embed['Embeddings'].values
y = df_embed.Tags

mlb = MultiLabelBinarizer(classes=top_tags)
y_mlb = pd.DataFrame(mlb.fit_transform(y),columns=mlb.classes_, index=y.index)

from sklearn.model_selection import train_test_split

X_train, X_val, y_train, y_val = train_test_split(X, y_mlb, test_size = 0.3, random_state = 0)
X_val, X_test, y_val, y_test = train_test_split(X_val, y_val, test_size = 0.4, random_state = 0)

model = Sequential()
# Input - Layer
model.add(Dense(100, activation = "relu"))
# Hidden - Layers
model.add(Dropout(0.3, noise_shape=None, seed=None))
# Output- Layer
model.add(Dense(50, activation = "sigmoid"))


model.compile(loss='binary_crossentropy',
              optimizer=Adam(0.01),
              metrics=['accuracy'])

hist = model.fit(X_train, y_train, batch_size=8, epochs=10, validation_split=0.1)

我收到此错误：

ValueError: Failed to convert a NumPy array to a Tensor (Unsupported object type numpy.ndarray).