在张量流中是否有与 list.append() 类似的功能？

Question

最近遇到一个问题，就是把每张图片的二进制码（tf.string类型）一一预处理在一个有shape的占位符中[batch_size] = [None]然后我需要在预处理后连接每个结果。显然我不能创建一个 FOR 语句来解决这个问题。所以，我使用tf.while_loop来做到这一点。看起来像：in_ph = tf.placeholder(shape=[None], dtype=tf.string)i = tf.constant(0)imgs_combined = tf.zeros([1, 224, 224, 3], dtype=tf.float32)def body(i, in_ph, imgs_combined):    img_content = tf.image.decode_jpeg(in_ph[i], channels=3)    c_image = some_preprocess_fn(img_content)    c_image = tf.expand_dims(c_image, axis=0)    # c_image shape [1, 224, 224, 3]    return [tf.add(i, 1), in_ph, tf.concat([imgs_combined, c_image], axis=0)]def condition(i, in_ph, imgs_combined):    return tf.less(i, tf.shape(in_ph)[0])_, _, image_4d = tf.while_loop(condition,          body,          [i, in_ph, imgs_combined],          shape_invariants=[i.get_shape(), in_ph.get_shape(), tf.TensorShape([None, 224, 224, 3])])image_4d = image_4d[1:, ...]这段代码运行正常，没有任何问题。但是在这里，我使用imgs_combined将每个图像一张一张地迭代连接起来。 imgs_combined用imgs_combined = tf.zeros([1, 224, 224, 3], dtype=tf.float32) 初始化，在这种情况下我可以使用 tf.concat 来做这个操作，在最终结果中我删除了第一个元素。但在通常的思维中，这个函数就像一个list.append()操作。X = []for i, datum in enumerate(data):    x.append(datum)请注意，这里我只用空列表初始化 X。我想知道张量流中是否有与 list.append() 类似的功能？或者.. 这段代码有没有更好的实现？初始化imgs_combined感觉很奇怪。