TensorFlow：计算小于输入张量的值的op

Question

我有一个前馈神经网络（NN），对于它，在损失函数中，我需要考虑当前值之前所有输入的值。 考虑到NN只是时间的函数，对于所有小于NN(t)的值，NN的损失是t的函数（例如均方根）。

这是我以目前对TensorFlow的理解进行尝试的方式：

def NN(t):
    u = neural_net(t, weights, biases)
    return u

def NN_past(t):    
    t_past = tf.range(0, t, 0.1)[:, None]
    nn_past = tf.map_fn(lambda s: NN, t_past)      
    return nn_past

尽管如此，当我将t的占位符传递给NN op时，出现了错误：

ValueError: Shape must be rank 0 but is rank 2 for 'limit' for 'range_1' (op: 'Range') with input shapes: [], [?,1], [].

完整问题的工作示例在这里：https://colab.research.google.com/drive/18fRIxD3Akg5zDCnj5154Zam5XwUtxy14