Python Tensorflow：将不同的函数映射到tf阵列的不同轴？

我不熟悉tensorflow 1.14，
假设我有一个

n*dim

tf数组：

X\u tf

我还有

dim

不同数量的

f

（因为它们各自使用不同的

a

和

b

）：

def f（x，a，b）：
返回x+a+b

我想进行以下映射：

result=[f_0（X_tf[：，0]，a_0，b_0），f_1（X_tf[：，1]，a_1，b_1），…，f_n（X_tf[：，n]，a_n，b_n）]

我看到它可以做类似的事情，但不同的是我需要申请每一个

X\u tf

，同时我也在寻找一种避免使用

tf的方法。While\u loop

，我必须将它们保持在tf框架内

有什么提示吗？

利用在第一个轴上拆分张量，然后利用将它们连接在一起。下面是执行任务的代码示例

import tensorflow as tf
import numpy as np

tf.enable_eager_execution()

def f0(X, a, b):
    return X - a - b

def f1(X, a, b):
    return X - a + b

def f2(X, a, b):
    return X + a - b

def f3(X, a, b):
    return X + a + b

X_tf = tf.convert_to_tensor(np.random.randn(4, 10, 10))
a = tf.convert_to_tensor(np.random.randn(4, 10))
b = tf.convert_to_tensor(np.random.randn(4, 10))

X_tf_slices = tf.unstack(X_tf, axis=0)
print(len(X_tf_slices), X_tf_slices[0].shape)   # 4, (10, 10)

a_slices = tf.unstack(a, axis=0)
b_slices = tf.unstack(b, axis=0)

fn_list = [f0, f1, f2, f3]

X_tf = tf.stack([f_i(X_tf_i, a_i, b_i) for f_i, X_tf_i, a_i, b_i in
                 zip(fn_list, X_tf_slices, a_slices, b_slices)])

print(X_tf.shape)   # (4, 10, 10)