A következő kódom van:
char_id = tf.placeholder(dtype=tf.int32, shape=[None, word_max_len])
A char_id tenzor alakja [current batch's vocab size * length of the biggest word in the current batch] legyen. Mivel minden iterációban különböző mondatokat veszek fel, a vocab size és az length of biggest word in the batch is változik. Nem használhatom a None értéket a shape mindkét mezőjéhez, mert később unstack és a Cannot infer num from shape hibaüzenet jelenik meg. Megpróbáltam a word_max_len-et másik helyőrzőként betáplálni, majd a char_id-ben használni, így:
word_max_len = tf.placeholder(dtype=tf.int32, shape=())
feed_dict = {char_id: char_id_batch, word_max_len: word_max_len_batch}
sess.run(train_op, feed_dict=feed_dict)
A következő hibát kapom: TypeError: int() argument must be a string, a bytes-like object or a number, not 'Tensor'.
Nem akarok nagy fix word_max_len-et, mondjuk 100-at. Tudom, hogy ez megoldja a problémát, de szeretném tudni, hogyan tudnám dinamikusan betáplálni a char_id alakzatát.
