我将预测存储在具有以下形状的numpy数组中：for d in range(3):
for p in range(len(outputs_devel)):
for t in range(len(outputs_devel[p])):
if t >= 2 or t < len(outputs_devel[p]) - 2:
outputs_devel[p][t][d] = (outputs_devel[p][t - 2][d] + outputs_devel[p][t - 1][d] +
outputs_devel[p][t][d] + outputs_devel[p][t + 1][d] +
outputs_devel[p][t + 2][d]) / 5
，我想在向量的第3维的每个维上应用平滑函数。所以我做了以下事情：
tf.layers.average_pooling1d(outputs_devel, pool_size=5, strides=1, padding='same')我想向量化此操作。那怎么可能？
在tensorflow中，我可以简单地使用 import com.twitter.finagle.transport.Transport
import com.twitter.finagle.{Http, Stack}
val client = Http.client
val params: Stack.Params = client.params
client.configured(client.params[Transport.Liveness].copy(keepAlive = Some(true)))
;但我想在numpy中实现相同的想法。有可能吗？
非常感谢您的帮助！