我想使用在[berT Embeddings] https://github.com/UKPLab/sentence-transformers中找到的预训练模型，并且我想添加一层以从模型中获取句子嵌入并传递到下一层。我该如何处理？

输入将是一个文档数组，每个文档都包含一个句子数组。

模型本身的输入是一个句子列表，它将返回嵌入列表。

这是我尝试过的但无法解决错误的方法：

def get_embeddings(input_data):

    input_embed = []
    for doc in input_data:
      doc = tf.unstack(doc)
      doc_arr = asarray(doc)
      doc = [el.decode('UTF-8') for el in doc_arr]
      doc = list(doc)
      assert(type(doc)== list)

      new_doc = []
      for sent in doc:
        sent = tf.unstack(sent)
        new_doc.append(str(sent))
        assert(type(sent)== str)

      embedding= bert_model.encode(new_doc)  # accepts lists of strings to return berT sentence embeddings
      input_embed.append(np.array(embedding))

    return tf.convert_to_tensor(input_embed,dtype=float)


sentences = tf.keras.layers.Input(shape=(3,5)) #test shape
sent_embed = tf.keras.layers.Lambda(get_embeddings)


x = sent_embed(sentences)

the error message