在每次迭代中为动态大小的张量创建占位符

Question

我通过以下方式创建张量的占位符：

self.sample_set = tf.placeholder(tf.int32, [None,None,self.max_input_right]) --- (1)

现在，我要切片此形状为[None，self.max_input_right]的张量。基本上上述张量由值列表组成，现在我想从列表中提取这些值。但是随着feed_dict的每次迭代，此列表的大小都会更改。 因此，在执行步骤（1）之后，我一直在寻找是否可以执行以下操作：

for i in range(self.k):
        self.ans_set = tf.slice(self.sample_set, [0,i])
        self.ans_sets.append(self.ans_set) 

其中，k的值将随着每个feed_dict的变化而变化。但是我无法理解在构建图形时如何传递k的变化值。

此问题可能类似于先前发布的问题： tensorflow dynamically create placeholders

但是这个答案并没有帮助我找到答案。

Answer 1

对于您的示例中的用例，您只需使用tf.unstack：

self.sample_set = tf.placeholder(tf.int32, [None,None,self.max_input_right])
self.ans_sets = tf.unstack(self.sample_set)

这将为您提供3D张量的列表。默认情况下，unstack在轴0上有效，但是您也可以更改它。