Python 在占位符输入上调节Tensorflow中的循环

我想在Tensorflow中使用loop进行某些计算。问题是，只要在条件中使用常量/变量（

i小于下面代码中的var

），代码就可以正常工作。但如果我对占位符变量使用循环条件，则代码无法初始化，错误为“未初始化占位符”

self.batch_size = batch_size = config.batch_size #batch_size = 5, for example    

self._sequence_length = tf.placeholder(tf.int64, [batch_size], name='sequence_length_placeholder')

def condfunc(i, var, sum, seq):
            return tf.less(i, var)

def bodyfunc(i, var, sum, seq):
            return [tf.add(i, 1), var, tf.add(sum, tf.gather(seq, i)), seq]

i = tf.constant(0)
sum = tf.constant(0)
#var = tf.Variable(tf.gather(tf.shape(self._sequence_length), 0))    #Error on conditioning on placeholder tensor
var = tf.Variable(batch_size)
_, _, sum, seq = tf.while_loop(condfunc, bodyfunc, [i, var, sum, self._sequence_length])

那么，我们如何在动态输入（占位符）上调节Tensorflow中的循环

---

备注：下面的代码片段在用例方面没有任何意义，但提供它是为了突出所面临的问题。实际用例可以是在RNN网络中仅累积实际序列而非完整序列的Logit，或仅汇总实际序列的成本，或仅对实际序列而非完整填充序列的标记进行Viterbi推断。

通常，当使用批次大小时，有更多维度，如：

[batch\u size，output\u size]

tf.add（i，1）

返回一个张量，您可能需要使用

tf.assign\u add（i，1）

。为什么不针对您的情况使用函数

reduce\uu*

呢？通常当您使用批大小时，您会有更多的维度，例如：

[batch\u size，output\u size]

tf.add（i，1）

返回一个张量，您可能需要使用

tf.assign\u add（i，1）

。为什么不为您的情况使用函数

reduce.*

呢？这似乎是您想要的