Python 如何在TensorFlow中实现Numpy where索引？

我有以下使用

numpy.where

的操作：

    mat = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=np.int32)
    index = np.array([[1,0,0],[0,1,0],[0,0,1]])
    mat[np.where(index>0)] = 100
    print(mat)

如何在TensorFlow中实现等效

mat = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=np.int32)
index = np.array([[1, 0, 0], [0, 1, 0], [0, 0, 1]])
tf_mat = tf.constant(mat)
tf_index = tf.constant(index)
indi = tf.where(tf_index>0)
tf_mat[indi] = -1   <===== not allowed 

mat=np.array（[[1,2,3]，[4,5,6]，[7,8,9]]，dtype=np.int32）
index=np.数组（[[1,0,0]，[0,1,0]，[0,0,1]]
tf_mat=tf.常数（mat）
tf_指数=tf常数（指数）
indi=tf.where（tf_指数>0）
tf_mat[indi]=-1您可以通过
tf获取索引。在
tf中，您可以运行索引，或者使用
tf.gather
从原始数组收集数据，或者使用
tf.scatter\u update
更新原始数据，
tf.scatter\u nd\u update
进行多维更新

mat = tf.Variable([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=tf.int32)
index = tf.Variable([[1,0,0],[0,1,0],[0,0,1]])
idx = tf.where(index>0)
tf.scatter_nd_update(mat, idx, /*values you want*/)

请注意，更新值应与idx的第一个维度大小相同

请参见
假设您想要的是用一些替换的元素创建一个新的张量，而不是更新一个变量，您可以这样做：

import numpy as np
import tensorflow as tf

mat = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype=np.int32)
index = np.array([[1, 0, 0], [0, 1, 0], [0, 0, 1]])
tf_mat = tf.constant(mat)
tf_index = tf.constant(index)
tf_mat = tf.where(tf_index > 0, -tf.ones_like(tf_mat), tf_mat)
with tf.Session() as sess:
    print(sess.run(tf_mat))

输出：

[[-1  2  3]
 [ 4 -1  6]
 [ 7  8 -1]]

np.where（）
在这里不需要：
mat[index>0]=100
无论如何，如何在tensorflow中达到相同的目的？
idx
在
scatter\u update
中使用的是1D，
tf.where
返回此处不工作！如果您想使用多个1D更新，请使用
tf.scatter\u-update
而不是
tf.scatter\u-update
是，
tf.scatter\u-update
有效，这是@jdehesa建议的
tf.where（）
的替代方法。谢谢你，这不是我想要的@罗比，你能澄清一下你到底想要什么吗？或者答案不符合你的需要呢？@Roby哎呀，对不起，我刚刚意识到我在输出端复制了错误的矩阵（代码仍然很好…），现在修复了。