当我试图从numpy列表中在tensorflow中创建列表时，我的问题就开始了。我发现的最佳方法是根据该列表中的所有条目创建一个矩阵。 https://datascience.stackexchange.com/questions/15056/how-to-use-lists-in-tensorflow
因此，每一行代表我的numpy列表中的一个元素，总共有N个元素（或张量）。在下面的示例中，我有两个列表，分别由矩阵X1和X2表示，每个张量（或列表）的所有形状都在另一个矩阵中表示，分别称为shapeX1和shapeX2。
我用X1和X2中的形状信息重塑shapeX1和shapeX2的第一行（代表两个列表的第一元素），然后计算两者之间的tf.einsum如下：
X1 = tf.placeholder(dtype=tf.float64, shape=(N,M1))
shapeX1 = tf.placeholder(dtype=tf.int32, shape=(N,3))
X2 = tf.placeholder(dtype=tf.float64, shape=(N,M2))
shapeX2 = tf.placeholder(dtype=tf.int32, shape=(N,3))
tensX1 = tf.reshape(X1[0,:], shape=[shapeX1[0,0],shapeX1[0,1],shapeX1[0,2]])
tensX2 = tf.reshape(X2[0,:], shape=[shapeX2[0,0],shapeX2[0,1]])
P = tf.einsum('ijk,jk->ik', tensX1, tensX2)
关于表达式tensX1，每个张量tensX2和'ijk,jk->ik'的尺寸都可用于计算。但是我遇到tf.einsum（正下方）错误：
ValueError：无法采用未知等级的Shape的长度。
可能因为变量tensX1和tensX2的维数未知：
print tensX1
Tensor("Reshape:0", shape=(?, ?, ?), dtype=float64)
print tensX2
Tensor("Reshape_1:0", shape=(?, ?), dtype=float64)
在我的情况下，每个张量的形状都不相同，即shapeX1（或shapeX2）的每一行不一定具有相同的尺寸。
所以我以前无法定义。
请 我该如何解决？有更好的方法吗？