tensorflow map_fn TensorArray 形状不一致

我正在使用 map_fn 函数，并注意到它输出一个 TensorArray，这应该意味着它能够输出“锯齿状”张量（其中内部张量具有不同的第一维度）。

我尝试使用以下代码查看此操作：

import tensorflow as tf
import numpy as np

NUM_ARRAYS = 1000
MAX_LENGTH = 1000

lengths = tf.placeholder(tf.int32)
tArray = tf.map_fn(lambda x: tf.random_normal((x,), 0, 1),
                   lengths,
                   dtype=tf.float32) # Should return a TensorArray.

# startTensor =  tf.random_normal((tf.reduce_sum(lengths),), 0, 1)
# tArray = tf.TensorArray(tf.float32, NUM_ARRAYS)
# tArray = tArray.split(startTensor, lengths)
# outArray = tArray.concat()


with tf.Session() as sess:
    outputArray, l = sess.run(
        [tArray, lengths],
        feed_dict={lengths: np.random.randint(MAX_LENGTH, size=NUM_ARRAYS)})
    print outputArray.shape, l

但是得到了错误：

“TensorArray 的形状不一致。索引 0 的形状为：[259]，但索引 1 的形状为：[773]”

这当然让我感到惊讶，因为我的印象是 TensorArrays 应该能够处理它。我错了吗？

虽然tf.map_fn() https://www.tensorflow.org/api_docs/python/tf/map_fn确实使用tf.TensorArray https://www.tensorflow.org/api_docs/python/tf/TensorArray物体内部, and a tf.TensorArray可以容纳不同大小的物体，这个程序不能按原样工作，因为tf.map_fn()转换其tf.TensorArray结果返回到tf.Tensor通过将元素堆叠在一起，但此操作失败了。

但是，您可以实施tf.TensorArray基于使用较低的杠杆tf.while_loop() https://www.tensorflow.org/api_docs/python/tf/while_loop代替：

lengths = tf.placeholder(tf.int32)
num_elems = tf.shape(lengths)[0]
init_array = tf.TensorArray(tf.float32, size=num_elems)

def loop_body(i, ta):
  return i + 1, ta.write(i, tf.random_normal((lengths[i],), 0, 1))

_, result_array = tf.while_loop(
    lambda i, ta: i < num_elems, loop_body, [0, init_array])