For loop 张量流中张量中的For循环

我是tensorflow的新手，我想用一些if-else条件来做一个张量。我只是不知道怎么做

在python中，如果张量类似于[3,3,3]，我可以使用for循环，如下所示：

for i in range(3):
   for j in range(3):
      for k in range(3):
         if tensor[i,j,k]>10:
            tensor[i,j,k]=tensor[i,j,k]-10
         elif tensor[i,j,k]<4:
            tensor[i,j,k]=tensor[i,j,k]+60

在这之后，我仍然想用张量计算loos函数，然后进行下一个循环的训练。 有人知道怎么做吗？ 我知道如何在一个会话中以单一方式完成此操作。但我不知道如何在训练循环中做到这一点。

Tensorflow方法 您可以很容易地对特定的示例进行矢量化，所以不需要通过for循环来实现。以下是纯tensorflow解决方案：

x=tf.placeholdershape=[3,3]，dtype=tf.float32 cond1=tf.x>10，x-10，tf.zeros_likex cond2=tf.x<4，x+60，tf.zeros_likex cond3=tf.wheretf.logical_和x>=4，x 10 mask2=张量<4 张量[mask1]=10 张量[mask2]+=60 返回张量 z=tf.py_funcprocess[x]，tf.float32 把它们结合在一起 一个完整的可运行示例：

导入tensorflow作为tf x=tf.placeholdershape=[3,3]，dtype=tf.float32 cond1=tf.x>10，x-10，tf.zeros_likex cond2=tf.x<4，x+60，tf.zeros_likex cond3=tf.wheretf.logical_和x>=4，x 10 mask2=张量<4 张量[mask1]=10 张量[mask2]+=60 返回张量 z=tf.py_funcprocess[x]，tf.float32 样本=[[10,15,25]，[1,2,3]，[4,4,10]] 将tf.Session作为SES： sess.runtf.global\u variables\u初始值设定项 printses.runy，feed_dict={x:sample} printses.runz，feed_dict={x:sample} 输出：

[[10. 5. 15.] [61. 62. 63.] [ 4. 4. 10.]] [[10. 5. 15.] [61. 62. 63.] [ 4. 4. 10.]]

---

谢谢，这很有帮助，但我仍然得到一个问题，在执行y或z函数后，我仍然需要对张量X进行大量计算。那么，在sess.runy之前，有没有办法使用张量X？我不明白这个问题，因为它现在听起来太宽泛了：你可以做很多不同的事情。这个图可以是任意大的，x可以有任意多个变换。等等，我的问题是这样的：首先我得到一个图像并将它应用到一个网络中，然后我得到一个张量x，然后，我应该像上面一样在x上做一些阈值，我得到另一个张量x1和x2，然后用x1 x2，我将做另一个计算以得到丢失数据，所以在我自己的代码中，x1x2应该在损失函数计算中获得，而不是孤立函数。你说的孤立函数是什么意思？y和z是张量，是计算图的一部分，就像x一样：用x可以做的一切也可以应用于它们。