Python Tensorflow Multirncell LSTM:&x201C'；张量'；对象不可编辑”；

我有以下代码：

self.inputs = tf.placeholder(shape=[None, num_inputs], dtype=tf.float32)

# Recurrent network for temporal dependencies
def make_cell(units):
    cell = tf.contrib.rnn.BasicLSTMCell(units, state_is_tuple=True)
    if mode == TRAIN and keep_prob < 1:
        cell = tf.contrib.rnn.DropoutWrapper(cell, output_keep_prob=keep_prob)
        return cell

num_units = [h_size, h_size]
multi_rnn_cell = tf.contrib.rnn.MultiRNNCell(
    [make_cell(n) for n in num_units], state_is_tuple=True)

self.state_init = multi_rnn_cell.zero_state(1, tf.float32)
h_in = tf.placeholder(tf.float32, shape=[1, h_size])
c_in = tf.placeholder(tf.float32, shape=[1, h_size])
self.state_in = (c_in, h_in)
state_in = tf.contrib.rnn.LSTMStateTuple(c_in, h_in)

rnn_in = tf.expand_dims(self.inputs, [0])
lstm_outputs, lstm_state = tf.nn.dynamic_rnn(
    cell=multi_rnn_cell, inputs=rnn_in, initial_state=state_in, dtype=tf.float32)

self.inputs=tf.placeholder（shape=[None，num\u inputs]，dtype=tf.float32）
#时间依赖的递归网络
def制造单元（单位）：
cell=tf.contrib.rnn.BasicLSTMCell（单位，状态为
如果模式==训练并保持_prob<1：
单元=tf.contrib.rnn.dropoutrapper（单元，输出保持保持保持保持）
返回单元
num_units=[h_大小，h_大小]
multi_rnn_cell=tf.contrib.rnn.MultiRNNCell(
[以num\u单位为n生成单元（n），状态为\u tuple=True）
self.state\u init=多个\n\u单元.zero\u状态（1，tf.float32）
h_in=tf.placeholder（tf.float32，shape=[1，h_size]）
c_in=tf.placeholder（tf.float32，形状=[1，h_大小]）
self.state_in=（c_in，h_in）
state_in=tf.contrib.rnn.LSTMStateTuple（c_in，h_in）
rnn_in=tf.expand_dims（self.inputs，[0]）
lstm_输出，lstm_状态=tf.nn.dynamic_rnn(
单元=多单元，输入=输入，初始状态=状态，数据类型=tf.float32）

当我运行它时，会出现以下错误：

TypeError：未启用“急切执行”时，Tensor对象不可编辑。要在这个张量上迭代，请使用tf.map\u fn

当我运行相同的代码，但只有1个LSTMCell并且没有扩展dimansions时，它运行得很好

我希望通过添加MultiRNNCell来使用不止一个层

---

有人能帮我吗？

我想问题在于你在中创建状态的方式。您正在使用带有单元格列表的multiRNNCell。因此，中的

state_应该是一个包含那么多
LSTMStateTuple
对象的列表，而不是一个
LSTMStateTuple
。