我需要向LSTM解码器输入一个pooling模块，并且我使用一个自定义层来构造这个模块，该层以编码器LSTM状态和Keras Input层作为输入。在这个自定义层中，我需要将更新分散到索引中：

updates: <tf.Tensor --- shape=(None, 225, 5, 32) dtype=float32>
indices: <tf.Tensor --- shape=(None, 225) dtype=int32>

tf.scatter_nd创建一个形状为（None，960，5，32）的Tensor，如下所示：

tf.scatter_nd(tf.expand_dims(indices, 2), updates, shape=[None, 960, 5, 32])

但问题是，这样做会因形状中的NoneType而导致错误，我不想在其中声明batch_size，因为它是Keras层，只有在学习过程中才确定。在这种情况下，代码的工作版本如下：

tf.scatter_nd(tf.expand_dims(indices, 2), updates, shape=[960, 5, 32])
        >>> <tf.Tensor 'ScatterNd_4:0' shape=(960, 5, 32) dtype=float32>

是否有其他方法来构造所需的输出Tensor，而不是tf.scatter_nd，或者有其他方法使其正常工作？