Python 使用张量上的字符串操作进行文本预处理

我试图编写一个函数，从Keras输入层获取两个字符串张量，并对它们执行一些字符串操作

我的第一个问题是如何循环使用张量中的每个项目，使用第二个输入（两个单词的短语）拆分第一个输入（完整句子），并检索拆分单词的索引

Sentence = "this is an example to split on this dummy phrase and get an index"
Phrase = "this dummy phrase"
output = [7, 9]

我拥有的函数（处理字符串）

如何将此函数转换为处理张量或在张量上循环并应用此函数。我有一批（256,1）的句子和一批（256,1）的相应短语作为输入

我的第二个问题是如何将张量转换为单代号字符串： 该层的输出为：

tf.Tensor([[b'this is an example to split on this dummy phrase and get an index']...], shape=(256, 1), dtype=string)

---

但是我想从一开始就去掉“b”。

查找反向索引的功能是什么？你会在

句子中设置一批字符串，在
短语中设置一个分隔符，还是在
句子中设置一批
句子和
短语中设置一个分隔符？顺便说一句，关于第二个问题，TensorFlow不支持Unicode或任何文本编码，
tf.string
张量实际上只是
字节。当你需要在某处写出结果时，你可以在计算结果后将字节解码成字符串（尽管现在有一些函数像获取Unicode码点）。是的，我将有一批句子和一批相应的短语。我将更新问题，使其包含
find\u reverse\u index
，但基本上它从句子中获取短语中第一个单词的索引。
tf.Tensor([[b'this is an example to split on this dummy phrase and get an index']...], shape=(256, 1), dtype=string)