从 TF 1.12 移动到 1.10 后的密集层输出形状错误

我正在从 Tensorflow 1.12 迁移到 Tensorflow 1.10（协作 -> AWS sagemaker），代码在 Tensorflow 1.12 中似乎运行良好，但在 1.10 中出现错误 ValueError: Error when checking target: expected dense to have 2 dimensions, but got array with shape (52692,)

输入示例 - 没有空格的字符串：

["testAbc", "aaDD", "roam"]

我通过将小写字母更改为 1、大写字母 2、数字 - 3、'-' - 4、'_' - 5 和填充来进行预处理，因此它们的长度与 0 相等

和 4 个标签 a - 0, b - 1, c - 2, d - 3

假设每个单词的最大长度为 10（在我的代码中为 20）：

特征 - [[1 1 1 1 2 1 1 0 0 0][1 1 2 2 0 0 0 0 0 0][1 1 1 1 0 0 0 0 0 0]]

标签 - [1, 1, 2, 3]

预期输出：[a: 0%, b: 0%, c: 1%, d: 99%]（示例）

model = keras.Sequential()
model.add(
    keras.layers.Embedding(6, 8, input_length=maxFeatureLen))
model.add(keras.layers.LSTM(12))
model.add(keras.layers.Dense(4, activation=tf.nn.softmax))
model.compile(tf.train.AdamOptimizer(0.001), loss="sparse_categorical_crossentropy")
model.fit(train["featuresVec"],
            train["labelsVec"],
            epochs=1,
            verbose=1,
            callbacks=[],
            validation_data=(evale["featuresVec"], evale["labelsVec"],),
            validation_steps=evale["count"],
            steps_per_epoch=train["count"])

train 和 evale 的形状 - 二维数组

train["featuresVec"]=
[[1 2 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [2 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0]]

evale["featuresVec"]=
[[1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 1 2 1 1 1 1 1 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 2 1 1 1 1 1 1 2 1 1 1 1 1 1 0]
 [1 1 1 1 1 2 1 1 1 1 1 2 1 1 1 1 1 1 0 0]
 [1 1 1 1 1 2 1 1 1 1 1 1 0 0 0 0 0 0 0 0]]

train["labelsVec"] = [1 0 0 0 2]
evale["labelsVec"] = [0 1 1 1 1]

形状：

train["featuresVec"] = [52692, 20]
evale["featuresVec"] = [28916, 20]
train["labelsVec"] = [52692]
evale["labelsVec"] = [28916]