Python tf.selectV2的目的和限制是什么

与TF不同，TF文档只是简单地给出API，没有任何描述，而TF.Select更具描述性

---

参见vs.

运营商的广播行为有所不同。您可以在中看到它们的具体实现，但阅读中的解释可能更有用：

//如果“条件”的对应值为
//true或“y”的值（如果为false）。存在有效的条件输入大小：
//
// 1. 相同的形状（在这种情况下，选择是元素式的），或
// 2. 条件必须为秩1且在第一维度上匹配，或
// 3. 条件是标量
TfLiteRegistration*寄存器_选择（）{
静态TfLiteRegistration={select:：SelectInit，select:：SelectFree，
选择：：选择准备，
select:：SelectEval}；
返回&r；
}
//SelectV2 op选择“x”的值，如果“条件”的对应值
//为true，如果为false，则为“y”的值。存在有效的条件输入大小：
//
// 1. 相同的形状（在这种情况下，选择是元素式的），或
// 2. “条件”、“x”和“y”之间的可广播形状。
TfLiteRegistration*寄存器\u选择\u V2（）{
静态TfLiteRegistration={select:：SelectInit，select:：SelectFree，
选择：：选择准备，
select:：SelectEval}；
返回&r；
}

这些操作用于实现

tf.where

，它改变了TensorFlow 1.x和2.x之间的行为。有关进一步的说明，请参阅和的文档。在1.x版本中，它表示：

如果两者都不是None，

x

和

y

必须具有相同的形状。如果

x

和

y

是标量，则

条件

张量必须是标量。如果

x

和

y

是更高秩的张量，则

条件

必须是大小与

x

第一维度匹配的向量，或者必须具有与

x

相同的形状

而对于2.x版本，它是：

如果提供了

x

和

y

（两者都有非无值）：

将从所有三个形状都要显示的

condition

、

x

和

y

的形状中选择一个输出形状