TensorFlow中的张量值的条件分配

TensorFlow
API中提供了几种比较运算符。

但是，在直接操纵张量时，没有什么等效于简洁的NumPy语法。你必须要使用个人的

comparison

where

assign

您的NumPy示例的等效代码是这样的：

import tensorflow as tfa = tf.Variable( [1,2,3,1] )    start_op = tf.global_variables_initializer()    comparison = tf.equal( a, tf.constant( 1 ) )    conditional_assignment_op = a.assign( tf.where (comparison, tf.zeros_like(a), a) )with tf.Session() as session:    # Equivalent to: a = np.array( [1, 2, 3, 1] )    session.run( start_op )    print( a.eval() )        # Equivalent to: a[a==1] = 0    session.run( conditional_assignment_op )    print( a.eval() )# Output is:# [1 2 3 1]# [0 2 3 0]

打印语句当然是可选的，它们只是用来演示代码是否正确执行。