Python tensorflow中单个轴上指定切片的局部缩减

我正在尝试在二维阵列的单个轴上使用指定的切片执行局部缩减

我使用numpy的

numpy.ufunc.reduceat

或

numpy.add.reduceat

实现了这一点，但我希望在tensorflow中也这样做，因为这个reduce操作的输入是tensorflow卷积的输出

我遇到了

tf.math.reduce_sum

，但我不确定如何在我的案例中使用它

---

如果我可以在tensorflow中执行

reduceat

操作，就像我可以利用GPU一样，那就太好了。

您可以使用以下方法执行几乎相同的操作：

您可以使用您想要使用的缩减功能替换上述内容。这与实际的唯一区别是特殊情况，

索引[i]>=索引[i+1]

。posted函数要求对

索引进行排序，如果出现
索引[i]==索引[i+1]
的情况，则输出中相应的
i
位置将为零，而不是
a[index[i]

import tensorflow as tf
import numpy as np

def add_reduceat_tf(a, indices, axis=0):
    a = tf.convert_to_tensor(a)
    indices = tf.convert_to_tensor(indices)
    # Transpose if necessary
    transpose = not (isinstance(axis, int) and axis == 0)
    if transpose:
        axis = tf.convert_to_tensor(axis)
        ndims = tf.cast(tf.rank(a), axis.dtype)
        a = tf.transpose(a, tf.concat([[axis], tf.range(axis),
                                       tf.range(axis + 1, ndims)], axis=0))
    # Make segment ids
    r = tf.range(tf.shape(a, out_type=indices.dtype)[0])
    segments = tf.searchsorted(indices, r, side='right')
    # Compute segmented sum and discard first unused segment
    out = tf.math.segment_sum(a, segments)[1:]
    # Transpose back if necessary
    if transpose:
        out = tf.transpose(out, tf.concat([tf.range(1, axis + 1), [0],
                                           tf.range(axis + 1, ndims)], axis=0))
    return out

# Test
np.random.seed(0)
a = np.random.rand(5, 10).astype(np.float32)
indices = [2, 4, 7]
axis = 1
# NumPy computation
out_np = np.add.reduceat(a, indices, axis=axis)
# TF computation
with tf.Graph().as_default(), tf.Session() as sess:
    out = add_reduceat_tf(a, indices, axis=axis)
    out_tf = sess.run(out)
# Check result
print(np.allclose(out_np, out_tf))
# True