我正在尝试使用tensorflow 2.0构建机器学习模型，该模型将用于对全文ocr数据进行分类，它使用了我正在努力进行的Embedding层。我已经对全文进行了预处理和标记化，并将所有数据保存为泡菜。

我正在从泡菜中装载所有东西，并将全文系列转换为numpy数组，如下所示：

df = pd.read_pickle("my_pickle.pkl")
feature = df['FullTextTokenized']

split_idx = int(len(features) * 0.8)
train_x = features[:split_idx].to_numpy()
test_x = features[split_idx:].to_numpy()

train_y = labels[:split_idx].to_numpy()
test_y = labels[split_idx:].to_numpy()

一切正常。 train_x现在是int32数组的数组。 如果我打印形状，则会得到以下结果，这也是正确的：

print(train_x.shape)
print(train_x[0].shape)

Output:
(126239,)
(1246,)

因此，我开始构建模型，摘要的外观如下：

Layer (type)                 Output Shape              Param #
=================================================================
layer_embedding (Embedding)  (None,1246,300)         30000000
...

所以一切都应该正常工作，因为嵌入层希望与我的train_x具有相同的形状

我正在通过以下方式开始培训：

# Train model
model.fit(train_x,train_y,validation_split=0.1,callbacks=[cp_callback],epochs=3,batch_size=512)

在执行此操作时，出现以下错误，这对我来说毫无意义：

ValueError: Error when checking input: expected layer_embedding_input to have shape (1246,) but got array with shape (1,)

我的数据输入形状为（1240，），如上图所示。 我是否需要执行另一步骤以使tensorflow接受整个数组作为一个输入，还是试图获取给定数组的最低层，即int32？

在此先感谢您提供的帮助。