Tensorflow 张量中的变长维数

我正在尝试实现论文“端到端内存网络”（）

每个培训示例都由许多短语、一个问题和答案组成。句子的数量是可变的，每个句子和问题中的单词数量也是可变的。每个单词都被编码为一个整数。所以我的输入形式是[批量大小，#句子，#句子中的单词]

现在我的问题是，每个小批量的第二和第三维度都是未知的。我是否仍能以某种方式将输入表示为单个张量，或者我是否必须使用张量列表，这样我就有了一个长度的列表，然后是一个句子长度的子列表，然后每个句子都有一个张量，其大小也不预先知道，对应于编码为整数的单词

---

我可以使用第二种方法吗？或者tensorflow将不能反向传播，例如，我有一个操作，其中我必须计算以下和：\sum\u I tf.scalar\u mul（p\u I，c\u I），其中p\u I是一个标量，c\u I是以前计算过的嵌入向量。然后，p和c值的张量存储在一个列表中，因此我必须在循环中对两个列表中的元素求和。我假设tensorflow不能整合计算图中的这个循环，对吗？我对此持怀疑态度，因为theano有一个特殊的扫描函数，允许对输入进行循环，所以我假设一个常规循环会导致计算图出现问题。tensorflow是如何处理的？

将雅罗斯拉夫的评论转移到一个答案：

---

TensorFlow已经成功了。尺寸也可以是动态的，如编号中所示。

TensorFlow具有

扫描功能。此外，维度可以是动态的，就像答案中的“其他”一样。不过我还有一个问题：如果我在一个占位符[None，None，None]上使用动态尺寸标注，我想把它展平，这样我就可以在张量中的每个元素上调用嵌入查找，然后想将结果重塑为原始形式，如果我将维度声明为动态的，我该怎么做呢？tf.reforme接受动态维度，即tf.reforme（tf.constant（np.ones（（2,3）））、tf.shape（tf.constant（np.ones（（3,2俎俎俎俎））。这是我的问题，我有一个占位符变量x_in=tf.placeholder（tf.int32，shape=[None，None，None]），我想使用嵌入张量将每个元素嵌入x_in:a=tf.get_变量（name='a'，shape=[V，d]）。因此，我将embeddings=tf.nn.embedding_lookup（A，tf.reformate（x_-in，[-1]），现在如果我想将embeddings重塑为x_-in的形状，但具有第四维，对应于嵌入深度d。如果我不知道前三个维度的值，我该怎么做呢？你可以使用tf.shape得到前三个维度的值