Python tensorflow动态扩展占位符列表

我想在图的每次迭代中动态扩展占位符列表。在创建图形时，我必须定义for循环中使用的变量_length，然后才能相应地将数据提供给占位符。我尝试使用

tf。while\u loop

我可以扩展占位符列表，但是馈送过程在此

tf之前完成。while\u loop

发生错误：

Error: "list index is out of range" 

代码：

执行和馈送如下所示

feed_dict = dict()
for i in range(self._num_unrollings + 1):
   feed_dict[self._train_data[i]] = batches[i]

_, loss_reduced = self._session.run([ self._optimizer, self._loss_reduced], feed_dict=feed_dict)

---

修改会话运行调用之间的关系图会带来显著的性能损失，那么使用

tf.placeholder\u with_default

提前创建所有占位符，并只提供其中的一部分内容如何？在我的情况下，“tf.placeholder\u with_default”会如何工作呢？我编写了LSTM cell的实现。现在，我定义了展开数和提要数据，例如，仅为20个展开定义。我想一次喂完整批，但每批的长度不同。之后，我将能够执行不同的操作。从理论上讲，我可以将特定的数字附加到批中，使它们的大小相等，但是我需要创建一些掩码，而且在这种情况下，乘法将是一个巨大的浪费。如何在图形中提取值为feed的占位符，而不是默认值。在会话运行调用之间修改图形会导致严重的性能损失，如何使用

tf.placeholder\u with_default

提前创建所有占位符，并且只提供其中的一些占位符？在我的情况下，“tf.placeholder\u with_default”究竟如何工作？我编写了LSTM cell的实现。现在，我定义了展开数和提要数据，例如，仅为20个展开定义。我想一次喂完整批，但每批的长度不同。之后，我将能够执行不同的操作。从理论上讲，我可以将特定的数字附加到批中，使它们的大小相等，但是我需要创建一些掩码，而且在这种情况下，乘法将是一个巨大的浪费。如何在图形中提取值为feed的占位符，而不是默认值。

feed_dict = dict()
for i in range(self._num_unrollings + 1):
   feed_dict[self._train_data[i]] = batches[i]

_, loss_reduced = self._session.run([ self._optimizer, self._loss_reduced], feed_dict=feed_dict)