Python 制作Keras'；无'；批量大小不变，使用tf.scatter\n

我需要向LSTM解码器输入一个池模块，我正在使用一个自定义层构建它，其中编码器LSTM状态和Keras输入层作为输入。在此自定义层中，我需要将更新分散到索引：

updates: <tf.Tensor --- shape=(None, 225, 5, 32) dtype=float32>
indices: <tf.Tensor --- shape=(None, 225) dtype=int32>

但问题是，这样做会因为形状不类型而产生错误，我不想在其中声明

batch\u size

，因为它是一个Keras层，只有在学习过程中才是确定的。在此状态下，代码的工作版本如下：

tf.scatter_nd(tf.expand_dims(indices, 2), updates, shape=[960, 5, 32])
        >>> <tf.Tensor 'ScatterNd_4:0' shape=(960, 5, 32) dtype=float32>

tf.scatter\u nd（tf.expand\u dims（索引，2），更新，shape=[960,5,32]）
>>> 

这忽略了输出中的批处理大小。

---

是否有其他方法来构造所需的输出张量，而不是

tf.scatter\u nd

或使其正常工作的方法？

我有一个类似的问题，如果您找到了解决方案，请与我们分享。。非常感谢。

tf.scatter_nd(tf.expand_dims(indices, 2), updates, shape=[960, 5, 32])
        >>> <tf.Tensor 'ScatterNd_4:0' shape=(960, 5, 32) dtype=float32>