Keras拼接Embedding与CategoryEncoding层报错解决方法

从打印的层形状可以直接定位问题：

• 嵌入层、数值特征处理后的输出都是2阶张量，形状格式为(None, 特征维度)，其中None代表动态batch维度，符合Keras层的标准输出格式。
• 两个独热层的输出是1阶张量，形状为(7,)、(5,)，完全丢失了batch维度，和其他层的张量秩不匹配，自然无法通过Concatenate层拼接。

出现维度丢失的根因：独热分类特征对应的输入层输出是形状为(None,)的rank 1张量（每个位置对应一个样本的整数类别ID，仅含batch维度，没有特征轴），直接传入CategoryEncoding层时，层会将整个batch维度误判为单个样本的特征序列，最终输出形状仅为(vocab_size,)，吃掉了batch维度。另外代码中重复定义了两次独热层，第一版实验性接口的计算结果被直接覆盖，属于冗余代码。

• 删除冗余的第一版keras.layers.experimental.preprocessing.CategoryEncoding定义代码。
• 独热特征传入CategoryEncoding层前，先和数值特征做一样的扩维操作，补充最后一维的特征轴，让层能正确识别batch维度，输出带batch维的2阶张量。
  修复后的独热特征处理代码如下：

elif feature_name in features.ONEHOT_CATEGORICAL_FEATURE_NAMES:
    vocab_size = feature_vocab_sizes[feature_name]
    # 扩维补充特征轴，将输入形状从(None,)转为(None,1)
    onehot_input = tf.expand_dims(input_layers[key], -1)
    onehot_layer = tf.keras.layers.CategoryEncoding(
        num_tokens=vocab_size, 
        output_mode="one_hot",
        name=f"{key}_onehot",
    )(onehot_input)

    print(f"Shape of one hot layer [{key}] has None [{onehot_layer.shape}]")
                
    layers.append(onehot_layer)

• 修复后重新运行，独热层输出形状会变为(None, 7)、(None, 5)，和其他层的张量格式完全对齐，Concatenate层即可正常完成拼接。

内容的提问来源于stack exchange，提问作者mon