Как эффективно сделать одномерную линейную интерполяцию в TensorFlow?

Question

Мне нужно сделать одномерную линейную интерполяцию для построения моей модели в TensorFlow. Я попытался следовать определению и написать функцию линейной интерполяции. Но это вычислительно интенсивно и почти непригодно для моей модели. Есть ли эффективный метод для выполнения одномерной интерполяции в TensorFlow?

Вот мой код для линейной интерполяции. похож на NumPy.interp ().

t contains interpolated values and it has shape [64,64]. 
x contains x-coordinates data points and it has shape [91,1]. 
y contains y-coordinates data points and it has shape [91,1]. 
t and x are numpy arraies and y is a tensor. 

def tf_interpolation_v2(t, x, y, left, right):

    # perform one dimensional linear interpolation
    # returns tensor same shape as t
    # t is the interpolated values
    # x is the The x-coordinates of the data points, must be increasing
    # y is the The y-coordinates of the data points, same length as x.
    # left is the Value to return for x < x[0]
    # right is the Value to return for x > x[-1]

    t = np.asarray(t)
    t = t.astype(np.float32)
    x = x.astype(np.float32)
    y = tf.cast(y, tf.float32)
    t_return = []
    t_return_row = []

    for row in t:
        for v in row:
            if v < x[0]:     # value smaller than x[0]
                a = left
                t_return_row.append(a)

            elif v > x[-1]:     # value larger than x[-1]
                a = right
                t_return_row.append(a)

            else:       # finding interval where t is in
                nearest_index = 0       # initialize interval index
                for i in range(1, len(x) - 1):
                    if (v >= x[i]) & (v <= x[i+1]):     # if t larger than x[i] but smaller than x[i+1]. i is the index
                        nearest_index = i               # we need
                        break

                k = tf.subtract(tf.gather(y, nearest_index + 1), tf.gather(y, nearest_index))   # calculate slope
                de_x = x[nearest_index + 1] - x[nearest_index]
                k = tf.divide(k, de_x)
                b_sub = tf.multiply(k, x[nearest_index])                # calculate bias
                b = tf.subtract(tf.gather(y, nearest_index), b_sub)
                a = tf.multiply(k, v)
                a = tf.add(a, b)
                t_return_row.append(a)

        t_return.append(t_return_row)
        t_return_row = []

    t_return = tf.convert_to_tensor(t_return)
    t_return = tf.cast(t_return, tf.float32)

    return t_return

EDIT:

Я говорю, что это непригодно, потому что: TensorFlow нужно будет вычислять градиенты для всех этих переменных в функции линейной интерполяции, что делает сеть очень трудной для обучения. Это может быть ответом на вопрос, который я задал вчера.

В TensorFlow есть функция, выполняющая билинейную интерполяцию. tf.contrib.resampler.resampler () Интересно, можно ли использовать эту функцию для линейной интерполяции в моих обстоятельствах?