在使用Encoder-Decoder机制解决文本识别问题时，我想要将Decoder端的每一时间步的预测prediction放入predictions中，让predictions能够记录全部时间步的prediction。
假设prediction形如(N, ), 最大时间步为max_time_steps。
首先说我使用的错误方式，predictions设为全0矩阵 ，大小为(N, max_time_steps), 之后再每个时间步给predictions赋值。代码如下 # 方式1 predictions = np.zeros((N, max_time_steps), dtype=np.int64) for t in range(max_time_steps): ... prediction = tf.argmax(logit, axis=-1) predictions[:, t] = prediction # 方式2 predictions = tf.zeros(shape=(N, max_time_steps), dtype=tf.int64) for t in range(max_time_steps): ... prediction = tf.argmax(logit, axis=-1) predictions[:, t] = prediction这两种方式错误解析： 方式1：predictions 是numpy array， 而prediction是tensor，tensor不能直接赋值给array。而若要将tensor转化成numpy array，需要到session里面转化，改代码很不方便！那既然这样就自然有了方式2，将predictions用tensor，那这样两者就都是同一种数据类型了，那我自然可以给predictions赋值！事实证明，我错了！原因请看方式2的错误解析。 方式2：predictions是tensor，prediction是tensor，但是，tensor不能直接修改值！类似于"只读"模式，可以读取predictions[:, t]的数据，但是不能修改predictions[:, t]的数据！ 没有numpy array 方便阿！
**2. 正确的方法：**使用tensorflow中的tf.stack方法，将prediction一列列的堆叠到predictions上！最终predictions形如(N, max_time_steps)。
for t in range(max_time_steps): ... prediction = tf.argmax(logit, axis=-1) if t == 1: predictions = prediction else: predictions = tf.stack([predictions, prediction], axis=1)