我正在尝试通过tf.train.batch将输入数据提供给dynamic_rnn单元，并将padding设置为true（从包含TFRecords的输入管道读取）。尽管我的训练集中的最大步数是600，但是对于每个小批量，填充的步数有时会少于600。因此，我的步长不是静态的，并且在批量检索过程中可能会有所不同（即，批量进行中）我的步长都相等但不等于max_steps）
我能够将输入提供给dynamic_rnn，但是将动态rnn的输出（作为批处理x步骤x功能的形状）提供给tf.contrib.legacy_seq2seq.sequence_loss。由于要求输入必须是二维张量列表（形状为Batchsize x特征），因此我尝试执行tf.unstack（input，axis = 1），但这是错误的，因为尺寸不是静态的。
tensorflow \ python \ ops \ array_ops.py”，行1091，在堆栈中 引发ValueError（“无法从形状％s推断数字”％value_shape） ValueError：无法从形状（？，？，？）推断数字
当尺寸为动态时，将3-D张量转换为2-D张量列表的正确方法是什么？我正在尝试从dynamic_rnn角度了解可变长度序列，并加上tf.contrib.legacy_seq2seq.sequence_loss的损失计算