用tensorflow实现动态的更新变量的维度数目

import tensorflow as tf
# 需求二：编写一段代码：实现动态的更新变量的维度数目
# 1.定义一个不定形状的变量
x = tf.Variable(
    initial_value=[],  # 给定一个空值
    dtype=tf.float32,
    trainable=False,  # 设置为False，表示要定义一个不定形状的变量
    validate_shape=False  # 设置为True，表示在变量更新的时候，进行shape的检查，默认为True
)

# 2.变量更改
coneat = tf.concat([x, [0.0, 0.0]], axis=0)  # 按行拼接     另外，写成[0,0] ，如果报错，就改为[0.0, 0.0]
assign_op = tf.assign(x, coneat, validate_shape=False)  # 如果x, coneat形状不一样，validate_shape设为False，就不会去检查形状了

# 3.变量初始化操作
init_op = tf.global_variables_initializer()

# 4.运行
with tf.Session() as sess:
    sess.run(init_op)
    for i in range(5):
        # 执行更新操作
        sess.run(assign_op)
        r_x = sess.run(x)
        print(r_x)