tf.function我正在嘗試使用貪婪解碼方法保存模型。該代碼經過測試并按預期在急切模式（調試）下工作。但是，它在非急切執行中不起作用。該方法被調用namedtuple，Hyp如下所示：Hyp = namedtuple(    'Hyp',    field_names='score, yseq, encoder_state, decoder_state, decoder_output')while 循環的調用方式如下：_, hyp = tf.while_loop(    cond=condition_,    body=body_,    loop_vars=(tf.constant(0, dtype=tf.int32), hyp),    shape_invariants=(        tf.TensorShape([]),        tf.nest.map_structure(get_shape_invariants, hyp),    ))這是以下的相關部分body_：def body_(i_, hypothesis_: Hyp):    # [:] Collapsed some code ..    def update_from_next_id_():        return Hyp(            # Update values ..        )    # The only place where I generate a new hypothesis_ namedtuple    hypothesis_ = tf.cond(        tf.not_equal(next_id, blank),        true_fn=lambda: update_from_next_id_(),        false_fn=lambda: hypothesis_    )    return i_ + 1, hypothesis_我得到的是ValueError：ValueError: Input tensor 'hypotheses:0' enters the loop with shape (), but has shape <unknown> after one iteration. To allow the shape to vary across iterations, use the 形狀不變量 argument of tf.while_loop to specify a less-specific shape.這里可能有什么問題？以下是如何input_signature定義tf.function我想序列化的。這self.greedy_decode_impl是實際的實現 - 我知道這有點難看，但這self.greedy_decode就是我所說的。