tf.selectV2的用途与约束是什么？与tf.Select有何区别？

核心用途 #

• tf.selectV2 是TensorFlow底层原语层面的条件选择算子，计算逻辑为逐位置按照输入的布尔掩码规则，从两个候选值张量中挑选最终输出值：掩码对应位置为True时，取第一个候选张量的同位置值；为False时，取第二个候选张量的同位置值。
• 它是早期底层算子tf.Select的通用迭代版本，核心升级是放开了原算子对输入形状的严格限制，支持更多灵活的条件选择计算场景。

使用约束 #

• 三类核心输入：布尔掩码张量、两个候选值张量，必须满足TensorFlow通用的广播兼容规则，形状完全无法对齐的输入组合会直接报错。
• 布尔掩码张量的维度长度可以小于两个候选值张量的维度长度，只要掩码形状能通过广播扩展到和候选值张量完全匹配即可——这是它和tf.Select最核心的规则差异，原生tf.Select要求三类输入必须逐维度形状完全一致，不支持广播机制。
• 两个候选值张量的数据类型必须完全一致，算子本身不会做跨数据类型的隐式自动转换。
• 所有输入张量不能是全空的张量，涉及的非空维度长度必须为正。

内容的提问来源于stack exchange，提问作者GM1