假设我在嵌入查找后得到一个输入矩阵，如下所示：
[[[0.5, 0.25, 0.47, 0.86]，[0.8. 0.12, 0.63, 0.97]，[0.7, 0.47, 0.32, 0.01]]，...，[[...]]] i。，每个嵌入都是dim = 4，句子长度为3，如上述情况所示。
我们如何在Tensorflow / TFLearn或Theano中使用占位符动态地（即在运行时间期间）附加对应于句子中每个单词的dim 2的特征向量？所以final input will be of dim = embedding_dim + feature_dim.
P.S：输入矩阵是形状[x y z]的3D张量，x =批量句子数，y =句子中的单词数（包括填充）。 z =嵌入维度。最终形状为[x y z + 2]。
答案 0 :(得分：4)
在Tensorflow中，您可以创建所需形状[x，y，2]的占位符，然后使用tf.concat将其连接到输入Tensor。假设＆＃39;输入＆＃39;是你的[x，y，z]嵌入Tensor，你可以这样做：
features = tf.placeholder(tf.float32, [x, y, 2])
new_inputs = tf.concat(2, [inputs, features]) # Concatenate along the 3rd dimension