我正在使用TensorFlow进行类似于连续词袋(CBOW)模型的自定义嵌入训练。但是，与具有固定长度滑动窗口的"CBOW"不同，我的滑动窗口可以被认为是灵活的。问题是这样的：
比方说，嵌入是词嵌入。对于单词 t，我有一个张量显示其上下文单词的索引：[-1， 1， 2， -1]。最大窗口大小为 4，因此矢量的长度为 4。但有时我没有 4 个上下文词表示一个单词，所以我用"-1"来表示"这个位置没有单词"，其他整数是一个单词的索引。我还有一个"嵌入"张量，它是所有单词的嵌入。
我试图做的是获取上下文词的平均嵌入，以便表示上下文。例如，如果上下文词是 [-1， 1， 2， -1]，我会得到 (1 * (嵌入单词 1) + 2 * (嵌入单词 2) )/2。我只需要忽略所有的-1。
因此，在我的代码中，我尝试遍历上下文词张量以将每个值与 -1 进行比较，并使用 if 条件来控制我是否要添加此上下文词的嵌入。我为此尝试了不同的方法，但总是得到"类型错误：不允许使用tf.Tensor作为 Pythonbool"。
有没有办法解决这个问题？或者更好的是，是否有更好的无文字位置表示，以便我可以更有效地计算(尝试使用 NaN 但也遇到很多麻烦......
非常感谢您的帮助，希望我对问题有明确的描述。
我认为了解如何从 Tensorflow 张量中获取值会有所帮助。在这里看看接受的答案。请记住，Tensorflow 可能被视为一种符号语言，因此tf.Tensor是一种在会话中评估时记录某些值的符号，而不是在定义或与其他操作堆叠时。
如果你想在图中进行比较，请使用张量流特殊函数进行张量比较，如tf.equal、tf.less等。对于 instace，我将张量a的第一个元素与另一个常量张量 b 进行比较：
# Here is an example of two tensors
a = tf.constant([[1.0, 0.0], [0.0, 1.0], [1.0, 0.0], [0.0, 1.0]])
b = tf.constant(1, dtype=tf.float32)
# generate a tensor representing a result of comparison
c = tf.equal(a[0, 0], b)
# Evaluate the output tensor in a session
print(tf.Session().run(c))
输出为真
此外，您可以尝试提取张量的值，如下所示：
# Here is an example of the tensor
a = tf.constant([[1.0, 0.0], [0.0, 1.0], [1.0, 0.0], [0.0, 1.0]])
# Evaluate the tensor in a session
print(tf.Session().run(a))
这里所做的是将 tf 张量转换为 numpy 数组，您可以以任何所需的方式处理该数组。