Python tf.compat.v1.where用法及代码示例

从 x 或 y 返回元素，具体取决于 condition 。

用法

tf.compat.v1.where(
    condition, x=None, y=None, name=None
)

迁移到 TF2

警告：这个 API 是为 TensorFlow v1 设计的。继续阅读有关如何从该 API 迁移到本机 TensorFlow v2 等效项的详细信息。见TensorFlow v1 到 TensorFlow v2 迁移指南有关如何迁移其余代码的说明。

此 API 与即刻执行和 tf.function 兼容。但是，这仍然是最初为 TF1 设计的遗留 API 端点。要迁移到fully-native TF2，请将其用法替换为tf.where，它直接向后兼容tf.compat.v1.where。

但是，tf.compat.v1.where 比 tf.where 更具限制性，要求 x 和 y 具有相同的形状，并返回与 x , y 具有相同类型和形状的 Tensor(如果它们都是非没有)。

tf.where 将接受不同形状的 x , y，只要它们可以相互广播并与 condition 一起广播，并将返回一个 Tensor 形状广播来自 condition , x 和 y 。

例如，以下内容适用于 tf.where 但不适用于 tf.compat.v1.where ：

tf.where([True, False, False, True], [1,2,3,4], [100])
<tf.Tensor:shape=(4,), dtype=int32, numpy=array([  1, 100, 100,   4],
dtype=int32)>

tf.where(True, [1,2,3,4], 100)
<tf.Tensor:shape=(4,), dtype=int32, numpy=array([1, 2, 3, 4],
dtype=int32)>

如果 x 和 y 都为 None，则此操作返回 condition 的真实元素的坐标。坐标以二维张量返回，其中第一维(行)表示真实元素的数量，第二维(列)表示真实元素的坐标。请记住，输出张量的形状可能会根据输入中有多少真实值而有所不同。索引以行优先顺序输出。

如果两者都不是None，则x 和y 必须具有相同的形状。如果 x 和 y 是标量，则 condition 张量必须是标量。如果 x 和 y 是更高阶的张量，则 condition 必须是大小与 x 的第一个维度匹配的向量，或者必须具有与 x 相同的形状。

condition 张量充当掩码，根据每个元素的值选择输出中的相应元素/行是否应取自 x(如果为真)或 y(如果为假)。

如果 condition 是一个向量并且 x 和 y 是更高等级的矩阵，那么它选择从 x 和 y 复制哪一行(外部维度)。如果 condition 与 x 和 y 具有相同的形状，则它选择从 x 和 y 复制哪个元素。