带有不等大小列表的Tensorflow嵌入查找

Question

嘿，我正在尝试使用嵌入将多标签分类数据投影到密集空间中。

这是一个玩具示例。假设我有四个类别，想将它们投影到2D空间中。此外，我得到了两个实例，第一个实例属于类别0，第二个实例属于类别1。

该代码将如下所示：

sess = tf.InteractiveSession()
embeddings =  tf.Variable(tf.random_uniform([4, 2], -1.0, 1.0))
sess.run(tf.global_variables_initializer())
y = tf.nn.embedding_lookup(embeddings, [0,1])
y.eval()

并返回如下内容：

array([[ 0.93999457, -0.83051205],
       [-0.1699729 ,  0.73936272]], dtype=float32)

到目前为止，一切都很好。现在想象一个实例属于两个类别。嵌入查找将返回两个向量，例如，我可以将它们减小：

y = tf.nn.embedding_lookup(embeddings, [[0,1],[1,2]]) # two categories
y_ = tf.reduce_mean(y, axis=1)
y_.eval()

就像我期望的那样工作。现在，当我批次中的实例不属于相同数量的类别时，就会出现我的问题，例如：

y = tf.nn.embedding_lookup(embeddings, [[0,1],[1,2,3]]) # unequal sized lists
y_ = tf.reduce_mean(y, axis=1)
y_.eval()

ValueError: Argument must be a dense tensor: [[0, 1], [1, 2, 3]] - got shape [2], but wanted [2, 2].

关于如何解决这个问题的任何想法吗？