我想在我的tensorflow 图执行模型中使用预先训练好的句子嵌入。这些嵌入可以通过函数调用动态获得，该函数接收一个句子数组并输出一个句子嵌入数组。该函数使用预先训练好的pytorch模型，因此必须与我正在训练的tensorflow 模型保持分离：

def get_pretrained_embeddings(sentences):
  return pretrained_pytorch_model.encode(sentences)

我的tensorflow 模型如下所示：

class SentenceModel(tf.keras.Model):

  def __init__(self):
    super().__init__()
    
  def call(self, sentences):
    embedding_layer = tf.keras.layers.Embedding(
    10_000,
    256,
    embeddings_initializer=tf.keras.initializers.Constant(get_pretrained_embeddings(sentences)),
    trainable=False,
  )
  sentence_text_embedding = tf.keras.Sequential([
    embedding_layer,
    tf.keras.layers.GlobalAveragePooling1D(),
  ])
  return sentence_text_embedding,

但是当我尝试用

cached_train = train.shuffle(100_000).batch(1024)
model.fit(cached_train)

我的embeddings_initializer调用得到错误：

OperatorNotAllowedInGraphError: iterating over `tf.Tensor` is not allowed: AutoGraph did convert this function. This might indicate you are trying to use an unsupported feature.

我认为这是因为tensorflow试图使用符号数据编译图形。我如何才能让依赖于当前训练数据批的外部函数使用tensorflow的图形训练？