python – 解压缩(取消堆栈)一个输入(占位符),在tensorflow中有

我正在尝试使用具有不同时间步长(不同帧数)的输入的LSTM. rnn.static_rnn的输入应该是tf(不是tf！)的序列.所以,我应该将输入转换为序列.我试图使用tf.unstack和tf.split,但是他们都需要知道输入的确切大小,而我的输入的一个维度(时间步长)正在通过不同的输入改变.以下是我的代码的一部分：

n_input = 256*256 # data input (img shape: 256*256)
n_steps = None # timesteps
batch_size = 1
# tf Graph input
x = tf.placeholder("float",[ batch_size,n_input,n_steps])
y = tf.placeholder("float",[batch_size,n_classes])
# Permuting batch_size and n_steps
x1 = tf.transpose(x,[2,1,0])
x1 = tf.transpose(x1,[0,2,1])
x3=tf.unstack(x1,axis=0)
#or x3 = tf.split(x2,?,0)
# Define a lstm cell with tensorflow
lstm_cell = rnn.BasicLSTMCell(num_units=n_hidden,forget_bias=1.0)

# Get lstm cell output
outputs,states = rnn.static_rnn(lstm_cell,x3,dtype=tf.float32,sequence_length=None)

当我使用tf.unstack时出现以下错误：

ValueError: Cannot infer num from shape (?,65536)

此外,还有一些讨论here和here,但没有一个对我有用.任何帮助表示赞赏.