我正在尝试实施论文“端到端内存网络”（http://arxiv.org/abs/1503.08895）
每个训练样例都包含许多短语，一个问题，然后是答案。句子的数量是可变的，每个句子中的单词数量和问题也是如此。每个单词都被编码为整数。所以我的输入将有[批量大小，句子数量，句子中的＃个词]。
现在我的问题是每个小批量的第二和第三维都是未知的。我仍然能以某种方式将此输入表示为单个张量，或者我是否必须使用张量列表，以便我有一个长度为batch_size的列表，然后是长度为句数的子列表，然后为每个句子设置一个张量，其大小事先也不知道，对应于编码为整数的单词。
我可以使用第二种方法，还是张力流，然后无法反向传播，例如我有一个操作，我必须计算以下总和：\ sum_i tf.scalar_mul（p_i，c_i），其中p_i是标量，c_i是先前计算的嵌入向量。然后将p和c值的张量存储在列表中，因此我必须在循环中对两个列表中的元素求和。我假设张量流不能在计算图中合并这个循环，对吗？我很怀疑，因为theano有一个特殊的扫描功能，允许一个循环输入，所以我假设一个常规循环会导致计算图中出现问题。 tensorflow如何处理这个问题？