Tensorflow:tf.nn.dynamic\u rnn（）：无法从动态时间的最后一个维度收集输出值

我正在尝试使用RNN对新闻文章进行分类。因为新闻文章的长度不是固定的，所以我使用tf.nn.dynamic\u rnn（）

上述代码“输出”的张量形状为（批量大小，lstm大小）

我想收集句子末尾的输出，这是动态的。我正在使用下面的命令来实现这一点

outputs = tf.transpose(outputs, [1, 0, 2])
last = tf.gather(outputs, int(outputs.get_shape()[0]) - 1)

我得到以下错误

Traceback (most recent call last):
  File "./rnn_fitness_level1_0.py", line 127, in <module>
    last = tf.gather(outputs, int(outputs.get_shape()[0]) - 1)
TypeError: __int__ returned non-int (type NoneType)

---

但我的理解是，通过在整个时间段（句子长度）上取平均值，我并没有利用RNN的潜力来发现序列模式请让我知道您对此的看法。

一般来说，

get\u shape（）

是最好的选择。在图形运行之前，Tensorflow并不总是知道张量的形状

你可以尝试很多事情。一种是自己在Python中计算最后一个索引的偏移量，而不使用get_shape；如果您知道输入的大小，这应该不难

另一种选择是使用Tensorflow的切片功能，它支持Numpy样式的“-1”索引来表示最后一个元素。例如，如果

x

是一个三维张量，

x[：，-1，：]

应该切掉中间维度的最后一个元素

有关更多文档，请参见此处的

tf.Tensor.\uuu getitem\uuu

文档：

希望有帮助

Traceback (most recent call last):
  File "./rnn_fitness_level1_0.py", line 127, in <module>
    last = tf.gather(outputs, int(outputs.get_shape()[0]) - 1)
TypeError: __int__ returned non-int (type NoneType)

last = tf.reduce_mean(outputs, [0])