tf.map_fn与tf.range使用疑惑：执行报错问题咨询

你并没有误解tf.range()的用法——tf.range(1,4)确实会生成[1,2,3]，tf.range(5,7)也正确返回[5,6]。问题出在tf.map_fn的默认行为上：

为什么会报错？ #

默认情况下，tf.map_fn要求所有映射后的输出张量形状完全一致，因为它会尝试把这些输出打包成一个规则的多维张量。你的例子中，第一个输出是长度为3的张量，第二个是长度为2的，无法组成规则张量，所以触发了TensorArray has inconsistent shapes的错误。

解决方法（TensorFlow 1.x） #

只需要在调用tf.map_fn时添加infer_shape=False参数，关闭强制形状一致的检查：

def _test_fn(tp):
    tp0 = tp[0]
    tp1 = tp[1]
    result = tf.range(tp0, tp1)
    return result
ll = tf.constant([[1,4], [5, 7]])
# 添加infer_shape=False参数
result = tf.map_fn(lambda tp: _test_fn(tp), ll, infer_shape=False)
sess = tf.Session()
print(sess.run(result))

运行这段代码会输出：

[array([1, 2, 3]), array([5, 6])]

这和你预期的[[1,2,3], [5,6]]是等价的（在NumPy/TensorFlow中，这种不规则列表会被处理为对象类型的数组）。

额外说明（TensorFlow 2.x） #

如果是在TF2.x环境中，更推荐使用Ragged Tensor来处理可变长度的序列，比如用tf.ragged.map_flat_values：

import tensorflow as tf

def _test_fn(tp):
    return tf.range(tp[0], tp[1])

ll = tf.constant([[1,4], [5, 7]])
result = tf.ragged.map_flat_values(_test_fn, ll)
print(result.numpy())

输出会是：

<tf.RaggedTensor [[1, 2, 3], [5, 6]]>

Ragged Tensor是TensorFlow专门为可变长度序列设计的数据结构，使用起来更直观和安全。

内容的提问来源于stack exchange，提问作者walkerlala