是否存在与np.empty等效的TensorFlow函数？

当然有！TensorFlow 提供了和 np.empty 功能几乎一致的 tf.empty() 函数，完全可以满足你创建未初始化空张量、方便后续 tf.concat 的需求。

直接替换你的示例代码 #

你原来用 np.empty 初始化的部分，直接换成 tf.empty 即可，注意保持张量的 dtype 和后续要拼接的数据一致，避免类型不匹配：

import tensorflow as tf

# 替换原来的np.empty初始化，显式指定dtype匹配数据类型
netInput = tf.empty([0, 4], dtype=data.dtype)
netTarget = tf.empty([0, 4], dtype=data.dtype)
inputWidth = 2
frames_width = 2  # 补充原示例中未定义的变量

for step in range(data.shape.as_list()[-2] - frames_width - 1):
    # 拼接输入张量
    netInput = tf.concat([netInput, data[0, step:step + frames_width, :]], axis=-2)
    # 拼接目标张量（修正原示例的笔误，target应为netTarget）
    netTarget = tf.concat([netTarget, data[0, step + frames_width + 1:step + frames_width + 2, :]], axis=-2)

为什么这能解决你的问题？ #

• tf.empty([0, 4]) 创建了一个形状为(0,4)、未初始化的张量，和 np.empty([0,4]) 一样，它本身没有有效元素，但维度完全符合后续 tf.concat 的要求（除拼接轴axis=-2的维度为0外，其他维度和data的切片完全匹配）。
• 第一次拼接时，相当于直接把第一个data切片作为netInput的初始值，不会额外引入带初始值的无效样本，也不需要修改你的循环逻辑。

额外注意事项 #

• 务必指定正确的 dtype：如果不指定，tf.empty 会默认使用 tf.float32，如果你的data是其他类型（比如tf.float64），会导致拼接时类型不匹配报错，所以最好显式传入 data.dtype。
• 不要读取未初始化的张量内容：tf.empty 创建的张量值是未定义的，但在你的场景里，初始张量的第0维度为0，拼接后它的内容不会被用到，所以完全不存在风险。

如果你的TensorFlow版本是1.x，tf.empty 同样适用，只是在计算图模式下需要注意张量的生命周期，但核心逻辑完全一致。

内容的提问来源于stack exchange，提问作者Andrés Marafioti