Python tf.while_循环->；主体的输入和输出数量必须匹配循环变量：1,2

我需要使用tf.while_循环，但我得到以下消息：

ValueError: Number of inputs and outputs of body must match loop_vars: 1, 2

总损耗，i=list（），tf.常数（0） def采样\u softmax \u体（i，总损耗）： loss=tf.nn.sampled\u softmax\u loss（权重=logits\u权重，偏差=logits\u偏差，标签=target，输入=h2\u解码器\u输出[：，i，：]，num\u sampled=n\u sampled\u softmax，num\u classes=n\u fra\u words，partition\u strategy=“div”） 总损失。追加（损失） i=i+1 返回i，总损失 def状况（i，总损耗）： 返回True，每个句子的单词数<最大值[“fra”] tf.while\u循环（条件，采样的\u softmax\u体，[i，总损耗]）

---

我改变了我的策略，开始工作：

total_loss, i = list(), tf.constant(0)
def sampled_softmax_body(i):
    loss = tf.nn.sampled_softmax_loss(weights=logits_weights, biases=logits_biases, labels=target, inputs=h2_decoder_outputs[:,i,:], num_sampled=n_sampled_softmax, num_classes=n_fra_words, partition_strategy="div")     
    total_loss.append(loss)
    return tf.add(i, 1)
def condition(i):
    return i < max_words_per_sentence["fra"]
tf.while_loop(condition, sampled_softmax_body, [i])

---

我的目标是对不熟悉tensorflow的人使用反向传播（使用

total_loss

），即传递一个列表但返回一对看起来可疑。你是什么意思？我的输出参数与输入参数相同。除了总损失增加之外。

[i，总损失]

和

（i，总损失）

是不同的形状。更改它，使您可以从

（i，总损失）

开始，或者从正文返回

[i，总损失]

。谢谢，这很有帮助。这并没有完全解决问题，但起到了帮助作用。

total_loss, i = list(), tf.constant(0)
def sampled_softmax_body(i):
    loss = tf.nn.sampled_softmax_loss(weights=logits_weights, biases=logits_biases, labels=target, inputs=h2_decoder_outputs[:,i,:], num_sampled=n_sampled_softmax, num_classes=n_fra_words, partition_strategy="div")     
    total_loss.append(loss)
    return tf.add(i, 1)
def condition(i):
    return i < max_words_per_sentence["fra"]
tf.while_loop(condition, sampled_softmax_body, [i])

In [8]: total_loss
Out[8]: [<tf.Tensor 'while/softmax_cross_entropy_with_logits/Reshape_2:0' shape=(?,) dtype=float32>]