Tensorflow：如何处理尝试平铺和连接两个张量的动态形状？

我有两个张量，例如

x=[1,2]和y=[3]

，我想沿着另一个的轴复制最后一个，获得

z=[[1,3]，[2,3].

理想情况下在tensorflow中：

x = tf.placeholder(shape=[None, 2], dtype = tf.float32)
y = tf.placeholder(shape=[1], dtype = tf.float32)
z = tf.concat(x, tf.tile(y, [ x.shape[0] ]) , 1)

问题是没有确定x占位符的第一个维度，如何解决这个问题

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

x = tf.placeholder(shape=[None, 2], dtype = tf.float32)
y = tf.placeholder(shape=[1], dtype = tf.float32)

dim = tf.shape(x)[0]
y1 = tf.expand_dims(y, axis = 1)
y1 = tf.tile(y1, [dim, 1])
z = tf.concat((x, y1), axis = 1)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    z_val = sess.run(z, feed_dict = {x:[[2,5],[5,7],[8,9]], y:[3]})
    print(z_val)

输出：

[[ 2.  5.  3.]
 [ 5.  7.  3.]
 [ 8.  9.  3.]]

---

在我看来，这段代码隐式地使用了输入为1x2的信息，不适用于3x2，例如：对于feed_dict={x:[[2,5]，[5,7]，[8,9]]，y:[3]}输出为[[2.5.5.3][7.8.9.3]]，而我想要[[2,5,3]，[5,7,3]，[8,9]@BernardG，我现在已经推广了这个解决方案。看一看。