Python 如何使tensorflow代码不依赖于批大小？

如果我们用

None

替换

batch\u size

，我们就无法使用

xrange（None）

，那么我们如何生产

b

c

在这里具有形状

（无，6）

，并且

a

的值从

0

到

5

看来

tf.foldl

可能会给我一个正确的解决方案，有人能给我解释一下吗？非常感谢你

---

我很抱歉给你带来困惑，但我是说，我能做什么

a = tf.placeholder(tf.int32, [batch_size, ])
b = tf.stack([c[i, a[i]] for i in xrange(batch_size)])

---

你的细节容易混淆。希望你能做到这一点

a = tf.placeholder(tf.int32, [None, ])
b = tf.stack([c[i, a[i]] for i in xrange(None)])

---

在本例中，batch_size是一个python变量，而不是张量，因此适用于普通python变量的规则（比如no-xrange（None））

---

您要执行的操作似乎相当于使用

tf.gather（c，a）

或类似的

tf.stridded\u slice

我很抱歉造成混淆，但我的意思是将批大小更改为无（长度待定）。

variable_rows    = 1
variable_columns = 6
batch_size       = 4
a = tf.placeholder(tf.int32,[batch_size,variable_rows, variable_columns])
b = []
for i in range(variable_columns):
    b.extend([i+1])
c = []
for i in range(batch_size):
    c.append([b])

sess = tf.Session()
print(sess.run(a,feed_dict={a:c}))