Tensorflow 从三维张量中提取某个标记的嵌入

每个训练示例都包含一个句子（标记列表）、一个开始标记索引和一个结束标记索引。开始和结束索引突出显示了句子中的一些单词。标签为True或False，表示突出显示的单词是否“有趣”。
例如，“新闻”是本例中突出显示的单词

tokens=["This", "news", "is", "sad"], start=1, end=2, label=1 

这是我的模型设置。 这些句子被反馈到预先训练的bert层，该层返回一个3D张量，其中包含每个句子中每个标记的嵌入

我想从3D张量中提取每个例子的强光词的嵌入，并得到它们的平均值，这样我就可以把它输入到一个稠密的层中，我该怎么做呢？假设我已经有了三维张量

我正在使用tensorflow 2.0提供的keras API。 我是tensorflow的新手，所以请举一个具体的例子

---

谢谢

你能补充一下到目前为止你在代码方面得到了什么吗？更新了一点问题。请假设我已经拥有3D tesnor（在急切执行模式下），您是否可以更新什么

令牌

，

开始

，

结束

，

label

看起来像是一批数据。是否有某种形式的保证，可以保证每个示例具有固定数量的开始-结束对，或者可能在示例之间有所不同？示例之间有所不同。您可以添加到目前为止在代码方面得到的信息吗？稍微更新了问题。请假设我已经拥有3D tesnor（在急切执行模式下），您是否可以更新什么

令牌

，

开始

，

结束

，

label

看起来像是一批数据。是否有某种形式的保证可以保证每个示例具有固定数量的开始-结束对，或者在示例之间可能会有所不同？示例之间会有所不同。