TensorFlow中实现按条件过滤张量元素的等效操作是什么
TensorFlow 中等效 Numpy 按条件筛选数组的实现方法
你可以直接使用tf.boolean_mask接口实现和Numpy布尔索引完全一致的筛选逻辑,写法也非常接近。
对应示例的实现代码
import tensorflow as tf import numpy as np # 原始numpy实现 x_np = np.array([-12,4,6,8,100]) x_np = x_np[x_np > 5] # 输出:array([ 6, 8, 100]) # TensorFlow等效实现 x_tf = tf.constant([-12,4,6,8,100]) x_tf = tf.boolean_mask(x_tf, x_tf > 5) # 输出:<tf.Tensor: shape=(3,), dtype=int32, numpy=array([ 6, 8, 100])>
可选的其他实现方式
如果你需要同时获取满足条件的元素的索引,可以用tf.where + tf.gather的组合:
x_tf = tf.constant([-12,4,6,8,100]) # 先获取满足条件的索引 indices = tf.where(x_tf > 5) # 按索引提取元素,squeeze用于去掉多余维度 x_tf = tf.squeeze(tf.gather(x_tf, indices))
适用场景补充说明
- 普通一维、多维数组的条件筛选优先用
tf.boolean_mask,代码最简洁,同时兼容Eager模式和图模式(tf.function装饰的函数内也可以直接使用) - 涉及高维数组的沿指定轴筛选时,可以给
tf.boolean_mask传入axis参数指定筛选的维度,比如筛选二维数组的行、列等
内容的提问来源于stack exchange,提问作者eng2019
相关产品推荐
相关产品推荐

