如何在Keras（TensorFlow后端）中按条件替换张量指定部分？

我完全理解你遇到的问题——Keras的符号张量和NumPy数组的操作逻辑确实不一样，不能直接用Python的条件语句或者针对整个张量的K.switch来处理逐元素的判断。不过别担心，我们可以用Keras后端的K.where（对应TensorFlow的tf.where）来实现和np.where完全一致的逐元素条件替换逻辑，而且是针对张量的每个元素单独处理的。

分步实现你的需求 #

首先确保你已经导入了Keras后端模块：

import keras.backend as K

1. 计算初始的rel_dev

先按照你的逻辑计算基础的diff / sum：

# 计算初始的rel_dev，sum为0时会产生inf/nan，但后面会覆盖这些值
rel_dev = K.div(diff, sum)

2. 处理第一个条件：diff和sum均为0时设为0

这里用K.logical_and组合两个相等判断，再用K.where逐元素替换：

# 条件A：diff等于0 且 sum等于0
condition_a = K.logical_and(K.equal(diff, 0.0), K.equal(sum, 0.0))
# 满足条件的位置设为0，其余保持原rel_dev
rel_dev = K.where(condition_a, K.zeros_like(rel_dev), rel_dev)

3. 处理第二个条件：diff非零但sum为0时设为diff的符号

同样用逻辑组合和K.where：

# 条件B：diff不等于0 且 sum等于0
condition_b = K.logical_and(K.not_equal(diff, 0.0), K.equal(sum, 0.0))
# 满足条件的位置设为diff的符号，其余保持原rel_dev
rel_dev = K.where(condition_b, K.sign(diff), rel_dev)

更鲁棒的浮点精度处理（可选但推荐） #

因为浮点运算可能存在精度误差，直接用K.equal判断是否为0可能会出现误判。你可以用Keras内置的epsilon来做近似判断：

epsilon = K.epsilon()
# 近似判断diff是否为0
diff_is_zero = K.abs(diff) < epsilon
# 近似判断sum是否为0
sum_is_zero = K.abs(sum) < epsilon

# 更新条件A和B
condition_a = K.logical_and(diff_is_zero, sum_is_zero)
condition_b = K.logical_and(K.logical_not(diff_is_zero), sum_is_zero)

# 后续的where操作和之前一样
rel_dev = K.where(condition_a, K.zeros_like(rel_dev), rel_dev)
rel_dev = K.where(condition_b, K.sign(diff), rel_dev)

为什么之前的方法不行？ #

• K.switch：这个函数的第一个参数是布尔标量（整个张量要么满足要么不满足），而不是逐元素的布尔张量，所以它只能对整个张量做切换，无法实现局部元素的替换。
• K.set_value：这个是用来设置张量的数值，但只适用于变量（Variable），而且是直接覆盖整个张量的值，同样不能做逐元素的条件修改。

而K.where正好对应np.where的逐元素逻辑，第一个参数是布尔张量，每个位置的布尔值决定该位置取第二个还是第三个参数对应位置的值，完美匹配你的需求。

内容的提问来源于stack exchange，提问作者Irina Kärkkänen