如何替换TensorFlow张量中超出指定范围的元素？

报错原因 #

TensorFlow 中的普通 tf.Tensor 是不可变对象，不支持 NumPy 风格的布尔索引原位赋值操作，这是代码报错的核心原因。

正确实现方法 #

最简洁通用的方案是使用 tf.where 实现条件替换，示例代码如下：

import tensorflow as tf

# 定义输入张量
a = tf.constant([0, 2, 1, 7, 5, 6])
# 生成超出范围的布尔掩码
out_of_range_mask = (a < 1) | (a > 6)
# 条件替换：符合掩码的位置替换为-1，其余保留原值
result = tf.where(out_of_range_mask, -1, a)

print(result)
# 输出：tf.Tensor([-1  2  1 -1  5  6], shape=(6,), dtype=int32)

如果你需要直接修改原张量，可以将张量定义为可变的 tf.Variable 类型，再配合 assign 方法赋值：

a = tf.Variable([0, 2, 1, 7, 5, 6])
a.assign(tf.where((a < 1) | (a > 6), -1, a))
print(a)
# 输出：<tf.Variable 'Variable:0' shape=(6,) dtype=int32, numpy=array([-1,  2,  1, -1,  5,  6], dtype=int32)>

补充说明 #

如果需求是将数值裁剪到指定范围（比如小于1的取1，大于6的取6），可以直接用更高效的 tf.clip_by_value(a, 1, 6)，但当前需要替换为固定值-1，tf.where 是最优选择。

内容的提问来源于stack exchange，提问作者eng2019