要遍历张量，您可以尝试tf.unstack

将等级R张量的给定尺寸解压缩为等级（R-1）张量。

因此，将每个张量加1看起来像：

import tensorflow as tf
x = tf.placeholder(tf.float32, shape=(None, 10))
x_unpacked = tf.unstack(x) # defaults to axis 0, returns a list of tensors

processed = [] # this will be the list of processed tensors
for t in x_unpacked:
    # do whatever
    result_tensor = t + 1
    processed.append(result_tensor)

output = tf.concat(processed, 0)

with tf.Session() as sess:
    print(sess.run([output], feed_dict={x: np.zeros((5, 10))}))

显然，您可以进一步从列表中解压缩每个张量以处理它，直到单个元素。但是，为了避免大量嵌套拆包，您可以尝试先用tf.reshape(x, [-1])平x，然后像这样循环遍历

flattened_unpacked = tf.unstack(tf.reshape(x, [-1])
for elem in flattened_unpacked:
    process(elem)

在这种情况下， elem是标量。

大多数tensorflow内置函数都可以逐元素应用。因此，您可以将张量传递给函数。喜欢：

outer_loop = inner_loop(x)

但是，如果您有一些无法通过这种方式应用的功能（确实很容易看到该功能），则可以使用map_fn 。

假设您的函数只是将张量的每个元素加1（或其他任何值）：

inputs = tf.placeholder...

def my_elementwise_func(x):
    return x + 1

def recursive_map(inputs):
   if tf.shape(inputs).ndims > 0:
       return tf.map_fn(recursive_map, inputs)
   else:
       return my_elementwise_func(inputs)

result = recursive_map(inputs)