如何使以下TensorFlow scan矩阵示例正常运行？用于测试函数f代码

首先，咱们来拆解下你的代码里的核心问题：

• Initializer维度不匹配：你给tf.scan传入的initializer=0是个标量，但输入a里的每个元素都是长度为5的向量，而且f函数返回的是经过softmax处理后的同维度向量。tf.scan要求初始值的维度必须和函数返回值、输入元素的维度完全一致，否则会直接抛出维度不匹配的错误。
• 另外，虽然你的f函数目前没用到prev_y参数，但tf.scan的回调函数必须固定接收两个参数（前一次的输出结果、当前输入元素），这个参数可以保留但不用它，完全没问题。

接下来是修改后的可运行代码：

import tensorflow as tf

def f(prev_y, curr_y):
    # prev_y参数保留即可，不用也没关系
    fval = tf.nn.softmax(curr_y)
    return fval

a = tf.constant([[.1, .25, .3, .2, .15], [.07, .35, .27, .17, .14]])
# 将initializer改为和curr_y同维度的零向量，长度为5
c = tf.scan(f, a, initializer=tf.zeros([5]))

with tf.Session() as sess:
    print(sess.run(c))

运行这段代码后，你会得到每个输入向量经过softmax处理后的结果——因为这里的scan只是逐个处理每个元素（没用到prev_y），效果和直接对a做softmax类似，但如果后续你需要用到前一次的输出做累积计算（比如累加概率、递推更新），只需要在f函数里补充逻辑就行，比如：

def f(prev_y, curr_y):
    # 累积前一次结果与当前softmax值
    fval = prev_y + tf.nn.softmax(curr_y)
    return fval

内容的提问来源于stack exchange，提问作者John