给定tf.int类型张量a,b,c,d，如何生成指定矩形区域为1的张量X？

嘿，这个需求其实用TensorFlow的广播特性就能轻松搞定，完全不需要复杂的循环或者嵌套条件，代码简洁又高效。核心思路是分别生成行维度和列维度的掩码，然后通过广播相乘得到最终的矩形区域张量。

具体实现代码 #

import tensorflow as tf

# 先定义目标张量的高h和宽w（根据你的实际需求替换）
h = 10
w = 10

# 示例输入：形状为[1]的int张量a、b、c、d
a = tf.constant([2], dtype=tf.int32)
b = tf.constant([7], dtype=tf.int32)
c = tf.constant([3], dtype=tf.int32)
d = tf.constant([8], dtype=tf.int32)

# 1. 生成行掩码：形状[h, 1]，仅a < 行索引 < b的位置为1
row_mask = tf.cast(
    tf.logical_and(tf.range(h) > a, tf.range(h) < b),
    dtype=tf.int32
)[:, tf.newaxis]  # 增加列维度，方便后续广播

# 2. 生成列掩码：形状[1, w]，仅c < 列索引 < d的位置为1
col_mask = tf.cast(
    tf.logical_and(tf.range(w) > c, tf.range(w) < d),
    dtype=tf.int32
)[tf.newaxis, :]  # 增加行维度，方便后续广播

# 3. 广播相乘得到最终张量X：形状[h, w]
X = row_mask * col_mask

# 验证结果（可选）
print(X.numpy())

关键细节说明 #

• tf.range(h)会生成从0到h-1的行索引张量，通过tf.logical_and筛选出满足a < 行索引 < b的位置，再转成int32类型得到行掩码。
• 给行掩码增加一个列维度（[:, tf.newaxis]），列掩码增加一个行维度（[tf.newaxis, :]），这样两个形状分别为[h,1]和[1,w]的张量就能通过TensorFlow的广播机制自动扩展为[h,w]，相乘后只有行和列同时满足条件的位置会得到1，其余都是0。
• 如果你的需求是包含边界（比如a ≤ 行索引 < b），只需要调整比较运算符即可，比如把tf.range(h) > a改成tf.range(h) >= a，非常灵活。

内容的提问来源于stack exchange，提问作者BiBi