Python Tensorflow：基于另一个数组的重复元素屏蔽数组

我有一个数组，

x=[2,3,4,3,2]

包含模型的状态，还有一个数组给出这些状态的相应概率，

prob=[.2,1,4,1,2]

。但是有些状态是重复的，我需要求它们相应概率的和。所以我想要的输出是：

unique\u elems=[2,3,4]

和

reduced\u prob=[.2+.2,1+.1,4]

。我的做法如下：

x=tf.常数（[2,3,4,3,2]）
prob=tf.常数（[.2、.1、.4、.1、.2]）
唯一元素，u=tf.unique（x）#[2,3,4]
唯一元素=tf.展开（唯一元素，轴=1）#[2]、[3]、[4]]
平铺对象=tf.tile（tf.expand对象，轴=0），[3,1]）
# [[0.2, 0.1, 0.4, 0.1, 0.2],
#  [0.2, 0.1, 0.4, 0.1, 0.2],
#  [0.2, 0.1, 0.4, 0.1, 0.2]]
equal=tf.equal（x，唯一元素）
#[True，False，False，False，True]，
#[假，真，假，真，假]，
#[假，假，真，假，假]]
减少的概率=tf.multiply（平铺概率，tf.cast（相等，tf.float32））
# [[0.2, 0. , 0. , 0. , 0.2],
#  [0. , 0.1, 0. , 0.1, 0. ],
#  [0. , 0. , 0.4, 0. , 0. ]]
减少的概率=tf。减少的概率和（减少的概率，轴=1）
# [0.4, 0.2, 0.4]

---

但我想知道是否有更有效的方法来做到这一点。特别是，我使用的是tile操作，我认为这对于大型阵列不是很有效

可以通过以下两行操作完成：

unique_elems, idx = tf.unique(x)  # [2, 3, 4]
reduced_prob = tf.unsorted_segment_sum(prob, idx, tf.size(unique_elems))