Python 张量流-分裂和挤压

我是TensorFlow的新手，我正在格式化一些数据，以便输入一个递归神经网络。我的数据由输入占位符

x

的三维张量给出。我想沿着第三维分割

x

，为此我已经（注意

n_timesteps

对应于沿着第三维的

x

的长度）：

虽然，正如我用

numpy

尝试的那样：

x = np.split (x, n_timesteps, axis = 2)

如果

x

是一个三维

ndarray

，则

np.split

将返回一个维度为3的

n_timesteps

数组列表，这样第三维是单态的。使用

numpy

我知道我可以使用

np轻松解决这个问题。挤压
和列表理解一起删除单例维度：

# Split the previous 3d tensor to get a list of 'n_timesteps' 2d tensors of
# shape (batch_size, features_dimension)
x = tf.split (x, n_timesteps, axis = 2)

x = [np.squeeze(a, axis=2) for a in np.split(x, n_timesteps, axis=2)]

但是我如何在TF上做同样的事情呢？
尝试使用Tensorflow的压缩函数（TF.squence）和Tensorflow的扫描函数（TF.scan），而不是列表理解

tf.scan(lambda a, x_i: tf.squeeze(x_i, [2]), x, initializer=tf.constant(0, shape=[n_dim0, n_dim1]))

您可能正在寻找op：

x = tf.unstack(x, axis=2)