Python 3.x keras-tensorflow中函数的实现

假设我有三个张量形状

（n，1）T，r，E

，我想实现一个函数来计算：

sum（I，j）（T[j]r[I]）E[j]

。 我怎样才能继续

这就是我得到的

#张量示例
T=K.常数（[1,4,5]）
r=K.常数（[.8、.3、.7]）
E=K.常数（[1,0,1]）
#T的笛卡尔积用于比较元素
c=tf.stack（tf.meshgrid（T，T，index='ij'），轴=-1）
笛卡尔函数T=tf.重塑（c，（-1，2））
#r的笛卡尔积比较元素
r=tf.stack（tf.meshgrid（r，r，index='ij'），轴=-1）
笛卡尔函数r=tf.重塑（r，（-1，2））
#要做：
#比较笛卡尔T和cast中的两列，如果
#T中的第二列小于/大于T=>返回张量中的第一列
#比较笛卡尔E和cast中的两列，如果
#r中的第二列大于/小于r=>返回张量中的第一列
#将之前的张量乘以广播版本的E，然后进行K.求和（）

你认为我走对了吗？您有什么建议来实现这一点？

试试：

import keras.backend as K
import tensorflow as tf

T=K.constant([1,4,5])
r=K.constant([.8,.3,.7])
E=K.constant([1,0,1])

T_new = tf.less(T[tf.newaxis,:],T[:,tf.newaxis])
r_new = tf.greater(r[tf.newaxis,:],r[:,tf.newaxis])
E_row,_ = tf.meshgrid(E, E)
result = tf.reduce_sum(tf.boolean_mask(E_row,tf.logical_and(T_new,r_new)))

with tf.Session() as sess:
    print(sess.run(result))

#print
2.0

---

你期望什么样的产出

n*1

或

n*n

应该是一个双精度。当

T=[1,4,5]

和

r=[8,3,7]

和

E=[1,0,1]

时，您能否给出示例中预期的输出。我期望2.0！伟大的这就是它！非常感谢@JuanCastaño如果没有问题，请接受答案。我已经实现了该功能；然而，当张量很大时，它会破坏记忆；你有没有想到一个更具性能的实现？@JuanCastaño更新后的代码呢？但我认为最好的方法是减少批量大小。@JuanCastaño您是否使用

tf.placeholder

来提供数据？