我想处理一个不同形状的张量序列(列表)并输出另一个张量列表。想想每个时间戳上具有不同隐藏状态大小的 RNN。类似的东西
输入： [tf.ones((1， 2， 2))， tf.ones((2， 2，3))， tf.ones((3， 2， 1))]
输出： [tf.zeros((1， 2， 4))， tf.zeros((4， 2， 6))， tf.zeros((6， 2， 1))]
我无法将输入(或输出)堆叠到单个张量中，因为它们都有不同的形状，因此我不能将tf.map_fn用于任务。目前，我使用 python 进行循环，但它似乎是次优的。
我能做些什么更好的事情吗？
您可以使用tf.while_loop重复执行任意 TensorFlow 操作，直到出现某种停止条件。停止条件本身被指定为 op。
请注意，应谨慎使用tf.while_loop，因为默认情况下，其迭代将并行运行。例如，如果循环体递增 tf。变量，则必须使用控件依赖项来确保迭代按顺序运行。
但是，您提到您有一个带有 Python 循环的工作实现。如果可能的话，使用 Python 进行循环通常是最有效的解决方案。在 Python 中构建循环时，会为循环中的每个迭代创建单独的操作。这让TensorFlow在图构建中决定如何将计算资源分配给每个操作。例如，如果提前知道迭代次数，则更容易预测内存要求和并行化可能性。
因此，当在图形构建时停止条件未知时，最常使用tf.while_loop和tf.map_fn。
如果迭代次数固定但非常多，您可能仍希望使用 tf.while_loop 而不是 Python 循环，因为每个操作的内存成本非常重要。