Python tensorflow中的等价表理解

如何使用字典将包含N int的秩1张量修改为包含N个大小为M的向量的秩2张量

在python中，类似于：

dict = {1 : [1,2,3] , 2 : [3,2,1]}
array1 = np.array([1,1,2,1,2])
array2 = np.array([dict[x] for x in array1])

---

但是我不能迭代张量（除了while循环，但我不认为这是最佳解决方案）

如果你的dict是

dict = {1: tf.constant([1, 2, 3]), 2: tf.constant([1, 2, 3])}
tensor1 = tf.constant([1, 1, 2, 1, 2])

那么像这样的东西应该可以完成这项工作：

vals = [dict[tensor1[k]] for k in range(tensor1.get_shape().as_list()[0])]
tensor2 = tf.stack(vals, axis=0)

---

如果你有未知的维度，它会变得更复杂。例如，如果张量1的形状未知，我看不到不涉及tf.while_loop的解决方案。

我想我遗漏了一些东西我得到了错误键错误：我得到了类型错误：如果启用了张量相等，张量是不可损坏的。相反，使用tensor.experimental_ref（）作为键。