在TensorFlow中实现广播数组上的tf.where()替代numpy.where功能

嘿，我来帮你搞定这个TensorFlow的操作！其实它和你用NumPy实现的逻辑几乎一模一样，用tf.where就能轻松复刻你要的效果，具体代码如下：

import tensorflow as tf

# 对应你原来的x和y，创建TensorFlow常量张量
x = tf.constant([1.0, 1.0, 1.0])
y = tf.constant([[1.0, 1.0, 1.0], [0.0, 0.0, 0.0]])

# 计算广播差值数组，TensorFlow的广播规则和NumPy完全一致
diff = x - y[:, None]

# 用tf.where替换所有零值为10000，用法和np.where完全对应
diff = tf.where(tf.equal(diff, 0.0), 10000.0, diff)

# 可以打印结果验证（转换成NumPy数组方便查看）
print(diff.numpy())

运行这段代码后，你会得到和NumPy版本完全相同的结果——diff里所有的0都被替换成了10000。

小提示：处理浮点数精度问题 #

如果你的实际场景中是处理经过计算得到的近似零值（而非精确的0.0），直接用tf.equal可能会因为浮点数精度误差漏判。这时候可以改用判断差值的绝对值是否小于一个极小阈值，让逻辑更鲁棒：

# 针对近似零值的鲁棒判断
diff = tf.where(tf.abs(diff) < 1e-8, 10000.0, diff)

这样就能避免因为浮点数精度问题导致的匹配失败啦。

内容的提问来源于stack exchange，提问作者Anand Chandra