迭代张量流Placehold

Question

docArray是一个占位符，用于构建tensorflow图。图的构建是正确的，但是在会话中使用feed-dict输入数据时，变量长度不会得到动态调整。下面是代码片段。在

lContext = tf.zeros((100,1), dtype=tf.float64)
rContext = tf.zeros((100,1), dtype=tf.float64)
for i in range(1, docArray.shape[1].valu):
    j = docArrayShape - 1 - i
    lContext = tf.concat([lContext,somefun1()], 1)
    rContext = tf.concat([somefun2(), rContext], 1)       
X = tf.concat([lContext, docArray, rContext], axis= 0)

当数组初始化时，当这个代码被初始化时 docArray=tf.占位符(tf.float64型，[100，无]）

如果我用random shape随机初始化docArray，同时输入shape（100xn）的实时docArray数据，其中N是一个文档中的字数，在连接时训练时会出错，因为lContext和docArray的形状不同。在

样本文档的大小不是固定的。在

提前谢谢你的帮助。在

Answer 1

由于您没有提到在连接期间变量的大小，所以很难估计出哪里出错了。但一般来说，为了进行连接，除了正在进行连接的轴之外，所有轴上进行连接的张量应该具有相同的dtype和相同的维数。在

例如

不允许：（不同的dtype）

x = tf.placeholder(tf.float32, (100, None))
y = tf.placeholder(tf.float64, (100, None))
z = tf.concat((x,y), axis = 0)

不允许：（形状为100和200不匹配）

^{pr2}$

允许：（相同的dtype和轴匹配）

x = tf.placeholder(tf.float32, (100, 300))
y = tf.placeholder(tf.float32, (200, 300))
z = tf.concat((x,y), axis = 0)

在上面的示例中，如果像其他示例一样使用None，它将编译，但在运行时，None必须表示相同的形状。在