在 numpy 中，有两个相同形状的数组，x 和 y，可以像 y[x > 1] 那样做切片。您如何在 tensorflow 中获得相同的结果？ y[tf.greater(x, 1)] 不起作用，tf.slice 也不支持这样的东西。现在有没有办法使用布尔张量进行索引，还是目前不支持？
【问题讨论】：
标签： python indexing tensorflow
试试：
ones = tf.ones_like(x) # create a tensor all ones
mask = tf.greater(x, ones) # boolean tensor, mask[i] = True iff x[i] > 1
slice_y_greater_than_one = tf.boolean_mask(y, mask)
编辑：另一种（更好的？）方法：
import tensorflow as tf
x = tf.constant([1, 2, 0, 4])
y = tf.Variable([1, 2, 0, 4])
mask = x > 1
slice_y_greater_than_one = tf.boolean_mask(y, mask)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print (sess.run(slice_y_greater_than_one)) # [2 4]
【讨论】：
我不会说它完全没有实现。双重否定是怎么回事？
Tensorflow 实际上支持相当多的切片和切块，尽管语法可能稍微不那么漂亮。例如，如果你想创建一个新数组，当x>1 时等于y，否则等于0，你绝对可以这样做。查看comparison operators 例如
masked = tf.greater(x,1)
zeros = tf.zeros_like(x)
new_tensor = tf.where(masked, y, zeros)
另一方面，如果您想创建一个仅包含 x>1 的人的新数组，您可以通过将 where 与 gather 函数组合来实现。 gather 的详细信息可以在
https://www.tensorflow.org/versions/master/api_docs/python/array_ops/slicing_and_joining
PS。当然，x>1 相对于x 是不可微分的... tf 可能很棒，但它不起作用:)。
【讨论】：
select 和where 都将布尔掩码作为输入。如何将张量 x 作为输入并生成一个布尔掩码 True where x > 1？
这个暂时没有实现，这里是跟踪进度的 GitHub issue -- https://github.com/tensorflow/tensorflow/issues/206
【讨论】：
正在寻找类似的功能，以通过定义的标准减少 TensorFlow.js 张量，但 TensorFlow.js 没有 boolean_mask 函数。扯了很多头发，咬牙切齿地做了以下，基本上总结了真实标准的总数，然后简单地选择topk值来创建子集张量。
const a = tf.tensor1d([1, 2, 0, 4]);
const b = a.greater(1).sum().get();
const {values, indices} = tf.topk(a, b);
values.print(); # 4,2
indices.print(); # 3,1
要创建一个值小于或等于 1 的子集张量，只需在该张量上使用 tf.neg，因为没有 bottomk 函数，然后在通过 topk 获得子集张量后，应用 tf.neg再次恢复原始值。
【讨论】：
tf.boolean_mask 可以完成这项工作，但在 Raspberry Pi 或 OSX 等某些平台上，Tensorflow Wheel 发行版不支持该操作（请查看此tf.boolean_mask not supported on OSX。因此另一种方法是使用where 和gather 作为@Jackson Loper 建议。例如：
x = tf.Variable([1, 2, 0, 4])
ix = tf.where(x > 1)
y = tf.gather(x, ix)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print(sess.run(y))
【讨论】：