在numpy中tf.layers.average\u池1d的等价性是什么?

我将预测存储在具有以下形状的numpy数组中: [batch_size, time_steps, 3] ,我想对向量的第3维中的每个维应用一个平滑函数。所以我做了如下工作:

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

我想把这个操作矢量化。怎么可能呢?

在tensorflow中,我可以简单地使用 tf.layers.average_pooling1d(outputs_devel, pool_size=5, strides=1, padding='same') ;但我想在纽比实现同样的想法。有可能吗?

非常感谢您的帮助!!