Python Tensorflow，将张量中的索引值与if条件的整数进行比较

我正在使用TensorFlow做一个定制的嵌入训练，类似于连续的单词包CBOW模型。然而，与具有固定长度滑动窗口的“CBOW”不同，我的滑动窗口可以被认为是灵活的。问题是：

比如说，嵌入就是单词嵌入。对于单词t，我有一个表示上下文单词索引的张量：[-1，1，2，-1]。最大窗口大小为4，因此向量的长度为4。但有时我没有一个单词的4个上下文单词，所以我用“-1”表示“这个位置没有单词”，其他整数是单词的索引。我还有一个“嵌入”张量，它是所有单词的嵌入

我试图做的是得到上下文单词的平均嵌入量，以便表示上下文。例如，如果上下文单词是[-1，1，2，-1]，我会得到单词1的1*嵌入+单词2/2的2*嵌入。我只需要忽略所有的-1

因此，在我的代码中，我尝试循环上下文单词张量，将每个值与-1进行比较，并使用if条件来控制是否添加这个上下文单词的嵌入。为此我尝试了不同的方法，但总是得到“TypeError:不允许将tf.Tensor用作Python bool”

有没有办法解决这个问题？或者更好的是，有没有更好的无词位置表示法，这样我就可以更有效地使用NaN进行计算，但也会遇到很多麻烦

---

非常感谢您的帮助，希望我对这个问题有一个清晰的描述。

我认为了解如何从Tensorflow张量中获取值会有所帮助。看看这个被接受的答案。请记住，Tensorflow可能被视为一种符号语言，因此tf.Tensor是一种符号，它在会话中求值时给出某些值，而不是在定义或与其他操作堆叠时

如果要在图形中进行比较，请使用tensorflow特殊函数进行张量比较，如tf.equal、tf.less等。对于instace，我将张量a的第一个元素与另一个常量张量b进行比较：

# Here is an example of two tensors
a = tf.constant([[1.0, 0.0], [0.0, 1.0], [1.0, 0.0], [0.0, 1.0]])
b = tf.constant(1, dtype=tf.float32)

# generate a tensor representing a result of comparison
c = tf.equal(a[0, 0], b)
# Evaluate the output tensor in a session
print(tf.Session().run(c))

输出为真

此外，您可以尝试提取张量值，如下所示：

# Here is an example of the tensor
a = tf.constant([[1.0, 0.0], [0.0, 1.0], [1.0, 0.0], [0.0, 1.0]])

# Evaluate the tensor in a session
print(tf.Session().run(a))

---

这里要做的是将tf张量转换成numpy数组，您可以用任何想要的方式处理它

谢谢你的评论！我在发布问题后意识到了这一点。。。但是，在如何处理这个问题上，我仍然需要帮助…我添加了更多的解释，我希望它能帮助Hanks，它能帮助我：但我认为我仍然需要为我的问题寻找其他解决方案；不是通过比较张量的值，而是可以使用NaN或其他方法直接实现此计算。请让我知道如果你有任何更多的意见，我真的很感谢你的帮助！