编辑：我尝试打开急切执行，看看是否可以准确识别问题发生的位置，并且急切执行停止了错误并使其成功运行。不知道为什么会出现这种情况，不幸的是这对我没有帮助。
原始帖子：我对 Tensorflow 还很陌生，我试图了解如何在 tf.keras 模型中使用 Tensorflow-Hub 模块。我的目标是创建一个电子邮件分类系统来在我的组织中路由电子邮件。
我已经使用通用句子编码器模块预处理的数据构建了一个模型。这是一个 RNN 并且工作得非常有效，但我感兴趣的是我是否可以提高我的准确性。
现在我想将该模块直接合并到我的神经网络中，以便我可以训练它。
我在 Jupyter Notebook 中运行它。
我构建了一个简单的非 RNN 模型来尝试进行 Tensorflow-Hub 模块训练。
print("Version: ", tf.__version__)
print("Eager mode: ", tf.executing_eagerly())
print("Hub version: ", hub.__version__)
print("GPU is", "available" if tf.test.is_gpu_available() else "NOT AVAILABLE")
hub_module = "https://tfhub.dev/google/tf2-preview/nnlm-en-dim128/1"
model = models.Sequential()
model.add(hub.KerasLayer(hub_module, input_shape=[], dtype=tf.string, trainable=True))
model.add(layers.Dense(128, activation='relu'))
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(3, activation='softmax'))
model.build()
model.summary()
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy', 'mae'])
#Fake data
train_data = [["Hello how are you"], ["Goodbye my friend"], ["Happiness is a warm slice …