Python 如何处理UserWarning：将稀疏索引转换为未知形状的稠密张量

我在Tensorflow中有以下警告：UserWarning:将稀疏索引转换为未知形状的稠密张量。这可能会消耗大量内存

我得到这个消息的原因是：

将tensorflow导入为tf
#将批元素展平到秩2张量，其中第一个最大长度行
#属于第一批元素等等
all_timesteps=tf.重塑（原始输出，[-1，n尺寸]）#（批次尺寸*最大长度，n尺寸）
#索引到每个序列的最后一个元素。
#第一个元素的索引是序列顺序数乘以最大值
#序列长度。
#最后一个元素的索引是第一个元素加上序列的索引
#长度。
行索引=tf.范围（0，批次大小）*最大长度+（序号-1）
#使用索引将行聚集到序列的最后一个元素
# http://stackoverflow.com/questions/35892412/tensorflow-dense-gradient-explanation
#这是由于收集稍后返回的IndexedSlice
#转化为梯度的张量
#计算。
last_timesteps=tf.gather（所有_timesteps，行索引）#（批大小，n尺寸）

tf.gather是问题的根源。我一直忽略它，直到现在，因为我的架构并不是很大。然而，现在，我有了更大的体系结构和大量的数据。当批量大小大于10时，我面临内存不足的问题。我相信处理这个警告将使我能够在GPU中安装我的模型

---

请注意，我使用的是Tensorflow 1.3。

我通过使用tf.dynnamic_分区而不是tf.gather解决了这个问题。我这样替换了上面的代码：

#将批元素展平为秩2张量，其中第一个最大长度行属于第一批元素，依此类推
all_timesteps=tf.重塑（原始输出，[-1，n尺寸]）#（批次尺寸*最大长度，n尺寸）
#索引到每个序列的最后一个元素。
#第一个元素的索引是序列顺序数乘以最大序列长度。
#最后一个元素的索引是第一个元素的索引加上序列长度。
行索引=tf.范围（0，批次大小）*最大长度+（序号-1）
#创建0和1的向量，该向量将指定要选择的时间步。
分区=tf.reduce\u sum（tf.one\u hot（row\u inds，tf.shape（all\u timesteps）[0]，dtype='int32'），0）
#选择要选择的元素。
last_timesteps=tf.dynamic_partition（所有_timesteps，partitions，2）#（批处理大小，n_dim）
last_timesteps=last_timesteps[1]

mask rcnn我是新手，您在哪里添加了这些代码行？请提供帮助