您好，我想在FDSA和SASRECF两个序列推荐模型中使用Item的预训练embedding，我尝试使用两种方法导入，但都失败了。
（1）将emb作为float_seq格式和.item文件一起保存，然后在config['selected_features'] = ['emb']中指定，但模型好像并没有读取相关的特征列，报错：RuntimeError: torch.cat(): expected a non-empty list of Tensors
（2）将emb保存在.ent文件中，按照如下方式加载
additional_feat_suffix: [ent]
load_col:
# inter/user/item/...: As usual
ent: [ent_id, ent_emb]
但有如下报错：TypeError: can't convert np.ndarray of type numpy.object_. The only supported types are: float64, float32, float16, complex64, complex128, int64, int32, int16, int8, uint64, uint32, uint16, uint8, and bool.
您好，我想在FDSA和SASRECF两个序列推荐模型中使用Item的预训练embedding，我尝试使用两种方法导入，但都失败了。
（1）将emb作为float_seq格式和.item文件一起保存，然后在config['selected_features'] = ['emb']中指定，但模型好像并没有读取相关的特征列，报错：
RuntimeError: torch.cat(): expected a non-empty list of Tensors（2）将emb保存在.ent文件中，按照如下方式加载
但有如下报错：
TypeError: can't convert np.ndarray of type numpy.object_. The only supported types are: float64, float32, float16, complex64, complex128, int64, int32, int16, int8, uint64, uint32, uint16, uint8, and bool.