TensorFlow tf.tile抛出TypeError：预期单个张量却传入张量列表

你遇到的问题核心在于 tf.tile的第二个参数（重复次数）必须是静态可确定的整数序列，但你代码里的m是一个TensorFlow张量（由max_rating - min_rating + 1计算得到），不是Python原生整数。TensorFlow在构建计算图时无法提前确定这个张量的数值，因此会抛出错误。

下面给你两种针对性的解决方案：

方案一：如果min/max_rating是固定常量（你的场景） #

既然min_rating和max_rating都是固定的tf.constant，可以先把m转换成Python整数，再传给tf.tile：

import tensorflow as tf
min_rating = tf.constant(0, tf.int64)
max_rating = tf.constant(12, tf.int64)

# 先在会话中计算出m的Python整数值
with tf.Session() as sess:
    m = sess.run(max_rating - min_rating + 1)

k = tf.range(m, dtype=tf.int64)
d = tf.tile(k, [m])

with tf.Session() as sess:
    a = sess.run([d])
    print(a)

或者更直接一点，因为你已经知道min=0、max=12，手动计算m=13也行，上面的写法更通用，适合后续调整常量值的情况。

方案二：如果min/max_rating是动态值（比如来自输入） #

如果min_rating和max_rating是动态变化的（比如占位符或者模型输入），可以用tf.repeat替代tf.tile——tf.repeat支持用张量指定重复次数，正好适配你的需求：

import tensorflow as tf
min_rating = tf.constant(0, tf.int64)
max_rating = tf.constant(12, tf.int64)

m = max_rating - min_rating + 1
k = tf.range(m, dtype=tf.int64)
# 使用tf.repeat，支持张量作为重复次数参数
d = tf.repeat(k, m)

with tf.Session() as sess:
    a = sess.run([d])
    print(a)

如果你用的是TensorFlow 1.x早期版本（不支持tf.repeat），可以用tf.expand_dims+tf.tile+tf.reshape的组合来实现：

import tensorflow as tf
min_rating = tf.constant(0, tf.int64)
max_rating = tf.constant(12, tf.int64)

m = max_rating - min_rating + 1
k = tf.range(m, dtype=tf.int64)

# 先扩展维度为二维，再按列重复m次，最后拉平成一维数组
k_expanded = tf.expand_dims(k, 1)
tiled = tf.tile(k_expanded, [1, m])
d = tf.reshape(tiled, [-1])

with tf.Session() as sess:
    a = sess.run([d])
    print(a)

简单总结下：tf.tile是对整个张量进行块级重复，需要提前知道重复次数的数值；而tf.repeat是对每个元素单独重复，支持动态的重复次数张量，更适合你的场景。

内容的提问来源于stack exchange，提问作者smanna