需要了解GPT-2s源代码中的Python函数的帮助吗

我正在Github中浏览GPT-2s源代码。我正在努力理解这一切是如何运作的。我被一个函数难住了，我希望有人能向我解释发生了什么

代码可以在上面的链接中的model.py中找到。具体来说：

def shape_list(x):
   """Deal with dynamic shape in tensorflow cleanly."""
   static = x.shape.as_list()
   dynamic = tf.shape(x)
   return [dynamic[i] if s is None else s for i, s in enumerate(static)]

我在这里研究了Tensorflow.Shape（）返回的内容以及静态和动态形状之间的差异：

我还通读了这一系列文章：

尽管读了那么多书，我还是不能完全确定到底发生了什么。我不清楚的是最后一句话：

return [dynamic[i] if s is None else s for i, s in enumerate(static)]

这里到底在说什么？我猜函数的目的是确定X的值是否已经定义。如果没有，则返回静态形状，如果有，则返回动态形状

---

我离这儿远吗

您的问题不在于Tensorflow，而在于python中的列表理解，这是一种基于其他iterables定义列表的更具python风格的方法

最后一条语句（几乎*）相当于：

ret = []
for i, s in enumerate(static):
  if s is None:
    ret.append(dynamic[i])
  else:
    ret.append(s)
return ret

---

*：关于上面的“几乎”，理解实际上更有效，因为它在内部为整个结果预先分配内存，而循环

在每次迭代中附加
s，因此在扩展列表时会导致多次分配，这会更慢。
这是否回答了您的问题？我已经通读了那个链接。我甚至把它贴在上面的问题上。我相信我理解在图形计算（动态）和图形定义（静态）期间返回形状的概念。我的问题是最后一句话。它背后的逻辑是什么？那么您的问题不在于任何Tensorflow，而在于python中的列表理解。最后一句话是“构建一个列表，其中每个元素都是来自
静态
的匹配元素，如果不是
无
，则是来自
动态
的匹配元素”（注释中的拼写看起来很糟糕，但基本上这只是一个重新排列的for循环。查找列表理解，很快就会清楚）哦，好吧，这更有意义。谢谢你的帮助。如何将您的评论标记为答案？您不需要评论，但我会删除它并将其移动到答案（在那里我还可以更好地解释）