tensorflow，使用可变数据长度解码

我想使用tensorflow将序列写入序列。 我的输入数据形状是

[input_length, target_length, input , target]

它们有不同的长度。 如何使用

tf.decode\u csv

？ 我尝试使用最大输入长度设置记录默认值。 但所有形状都必须在记录中完全定义。。。。。。。。。。。。 我搞不懂这件事

    csv_file = tf.train.string_input_producer([file_name], name='file_name')
    reader = tf.TextLineReader()
    _, line = reader.read(csv_file)
    record_defaults = [[0] for row in range(20)]
    data = tf.decode_csv(line,record_defaults=record_defaults,field_delim=',')
    len_error = tf.slice(data,[0],[1])
    len_target = tf.slice(data, [1], [1])
    error = tf.slice(data,[2],len_error)
    target = tf.slice(data, 2+len_error , len_target)

---

是的，

tf.decode\u csv

确实要求所有行的大小相同。如果这对你不起作用，考虑在Github上提交一个特性请求。

---

您还可以预处理CSV文件，将所有条目填充到相同数量的列中；您可以使用

record\u defaults

参数到

tf.decode\u csv

以使字段为空，但提供默认值。

我也尝试过此操作，无法使用此方法使其工作。看起来确实，您的行的长度都必须等于最大值，才能使其工作。如果您为Max定义了默认值，但有一行的观测值较少，那么它可能会抛出一个错误，显示“预期的X观测值，但得到了Y”。也许在CSV文件中使用额外的“，”来模拟空白值得一试？我还没试过。我经常发现在TF之外阅读文本文件更容易，比如numpy/pandas，然后将值输入TF，但这样会丢失好的TF无序和多文件查询。。。。你真好。我必须尝试另一种文件类型。多谢各位