如何将张量列表作为输入传递给tensorflow中的图形？

我使用

[None，None，10]

形状的

tf.placeholder（）

将输入传递给张量。现在我想迭代输入的第一个维度，并对该维度中的每个片段应用一些函数。然而，当我尝试使用Python

for

循环来实现这一点时，我得到一个错误，即

张量

对象是“不可编辑的”

---

是否有任何方法可以将输入传递为形状张量列表

[None，10]

，以及如何将此列表分配给占位符？或者是否有其他方法来迭代

张量的维度？
您应该将输入作为[None，None，10]形状的单个张量
x
，然后使用
tf.split（0，-1，x）
来获得可以迭代的张量列表
 这可以使用新的或（最普遍的）高阶运算符，这些运算符在0.8版中添加到TensorFlow中。您将使用的特定运算符取决于要执行的计算。例如，如果您希望对张量的每一行执行相同的函数，并将元素打包回单个张量，则可以使用
tf.map\u fn（）
：

但这也会产生张量，对吗？那么我如何迭代它呢？不，tf.split返回一个列表而不是张量。不幸的是，因为
tf.split（）
在图形构造时返回一个列表，所以
num\u split
参数必须是大于零的整数，所以我认为这不起作用。这确实有点帮助，但仍然不能解决我的问题。我之所以要遍历列表，是因为第一行的输出可能会影响其他行，而不仅仅是下一行。我可以在运行时将其转换为列表吗？您不能在运行时将其转换为列表。您可能可以使用
tf.foldl（）
或
tf.scan（）
实现您想要做的事情，因为它们可以让您在迭代之间积累一些状态。如果您想对

执行Python

循环并对每个结果应用一些Python函数，那么您需要首先将结果具体化到numpy数组中（使用会话运行）
p = tf.placeholder(tf.float32, shape=[None, None, 100])

def f(x):
    # x will be a tensor of shape [None, 100].
    return tf.reduce_sum(x)

# Compute the sum of each [None, 100]-sized row of `p`.
# N.B. You can do this directly using tf.reduce_sum(), but this is intended as 
# a simple example.
result = tf.map_fn(f, p)