TensorFlow：如何将张量所有元素替换为其最小值或最大值？

嘿，你的现有实现思路挺巧妙的，但确实存在更简洁、性能更优的方式来完成把张量所有元素替换为其最小值的需求，下面给你介绍几种常用方法：

方法一：使用tf.fill（最直观高效） #

先提取张量的最小值，再用tf.fill直接生成一个和原张量形状完全一致、所有元素都是最小值的新张量。这种方式不需要做任何元素级的乘法运算，计算开销更低：

x = tf.random_normal([1,5], mean=0.0, stddev=1.0, dtype=tf.float32)
min_val = tf.reduce_min(x)
y = tf.fill(tf.shape(x), min_val)

方法二：利用tf.broadcast_to（基于广播机制） #

如果你熟悉TensorFlow的广播机制，也可以用tf.broadcast_to把标量形式的最小值广播成原张量的形状，这种操作在计算图中非常轻量：

x = tf.random_normal([1,5], mean=0.0, stddev=1.0, dtype=tf.float32)
min_val = tf.reduce_min(x)
y = tf.broadcast_to(min_val, tf.shape(x))

和你原有实现的对比 #

你原来的代码y = tf.reduce_min(x) + 0.0*x虽然能达到效果，但它会保留原张量的所有计算依赖——原张量的每个元素都要参与乘法运算（哪怕乘以0）。而上面两种方法直接生成目标张量，避免了这些不必要的元素级操作，当处理高维度、大尺寸的张量时，性能优势会更明显。

内容的提问来源于stack exchange，提问作者Gilfoyle