我有一个张量的shape=(?, 2)和dtype=float32。在实际操作中，这个形状是12000,2，但这个数值可能会变化。

tf.segment_mean似乎能满足我的需求，将张量分割成12个部分，每部分1000个元素，然后计算平均值，最终生成一个形状为[12,2]的张量。

不幸的是，为了使用segment_mean，我需要提供segment_id作为参数。由于元素数量是动态的，segment_ids必须动态生成。

我尝试使用tf.scan来生成segment_ids，但没有成功。我的方向正确吗？还是有更好的方法来做这件事？

为了澄清：

    import tensorflow as tf    sess = tf.InteractiveSession()    tens1 = tf.constant([                            [0.1, 1],                              [0.2, 0],                              [0.3, 0],                              [0.4, 0],                              [0.5, 0],                              [0.6, 1],                              [0.7, 0],                              [0.7, 0],                              [0.8, 0],                            [0.9, 0],                            [0.7, 1],                            [0.8, 0],                            [0.7, 0],                            [0.8, 0],                            [0.7, 0],                            [0.8, 0],                            [0.9, 0],                            [0.7, 1],                            [0.8, 0],                            [0.7, 0],                            [0.8, 0],                            [0.9, 0],                            [0.7, 1],                            [0.8, 0],                             [0.97,0]                         ])     #seg_ids = tf.scan(lambda a, x: x % 12, tens1) # 这行代码是错误的    #希望能够从张量的大小动态推断出segment_ids    seg_ids = [0,0,0,1,1,2,2,3,3,4,4,5,5,6,6,7,7,8,8,9,9,10,10,11,11]    segmean = tf.segment_mean(tens1, seg_ids)    print segmean.eval() 

回答：

如果你的输入tensor_1是12的倍数，你可以使用以下方法实现segment mean：

tensor_2 = tf.reduce_mean(tf.reshape(tensor_1, shape=[12, -1, 2]), axis=1)

由于实际情况并非如此，我们可以将它填充到最接近的12的整数倍，然后应用上述方法。

sec_len = 12_shape = tf.shape(tensor_1)pad_size =  tf.cast(tf.ceil(_shape[0] / sec_len)*sec_len, tf.int32) - _shape[0]zero_padding = tf.zeros((pad_size, _shape[1]), dtype=tensor_1.dtype)padded = tf.concat([tensor_1, zero_padding], 0)tensor_2 = tf.reduce_mean(tf.reshape(padded, shape=[sec_len, -1, 2]), axis=1)