tensorflow中的变约化和数

考虑以下情况：

token_ids = [17, 189, 981, 1000, 11, 42, 109, 26, 3377, 261]  
word_ids = [0, 0, 0, 0, 1, 1, 1, 2, 2, 2] 

其中，我需要计算每个

word\u id

减少的

token\u id的总和，如下所示：

output = [ (emb[17] + emb[189] + emb[981] + emb [1000]),  
           (emb[11] + emb[42] + emb[109]),
           (emb[26] + emb[3377] + emb[261]) ] 

其中
emb
是任何嵌入矩阵

我可以使用for循环在python中编写以下代码：

prev = 0
sum_all = []
sum = 0
for i in range(len(word_ids)):
    if word_ids[i] == prev:
        sum += emb[token_ids[i]]
    else:
        sum_all += [sum]
        sum = emb[token_ids[i]]
        prev = word_ids[i]
    if i == len(word_ids):
        sum_all += [sum]
return sum_all

但是我想在tensorflow中高效地完成它（如果可能的话，矢量化）。有谁能给我一些建议吗？
你需要计算张量段的和

将tensorflow导入为tf
令牌id=tf.常量（[1718998119000,11,42109,263377261]，tf.int32）
word_id=tf.常量（[0,0,0,0,1,1,1,2,2]，tf.int32）
emb_矩阵=tf.one（形状=（4000,3））
emb=tf.nn.嵌入查找（emb\u矩阵，令牌\u ID）
结果=tf.段和（emb，单词ID）
使用tf.Session（）作为sess：
打印（sess.run（结果））
[[4. 4. 4.]
[3. 3. 3.]
[3. 3. 3.]]