Tensorflow 根据条件修改一维张量

我想对tensorflow中一维张量的每个元素应用一个条件，从而修改输入张量。例如，如果张量为：

y_true=tf.变量（[0.0,0.3,0.0,0.4,0.0,0.1,0.0,0.0]）

我想检查每个元素是否大于

0.1

。如果是，则该元素变为

1

else

0

。如何在tensorflow中做到这一点

到目前为止，我一直在尝试编写python函数，然后使用

py_func

在tensorflow中使用它，但它不起作用。见以下代码-

y_true=tf.变量（[0.0,0.3,0.0,0.4,0.0,0.1,0.0,0.0]）
使用tf.Session（）作为sess：
y=tf.py\u func（用阈值[y\u true]，tf.float32对\u进行取整）
y、 eval（）
def四舍五入，带四舍五入阈值（arr）：
阈值=0.1
四舍五入=np.0（arr.shape[0]）
对于范围内的i（arr.shape[0]）：
如果arr[i]>=阈值：
四舍五入arr[i]=1
其他：
四舍五入arr[i]=0
返回四舍五入

---

是否可以在不编写任何python函数的情况下在tensorflow中执行此操作？

您可以执行以下操作：

将tensorflow导入为tf
y_true=tf.变量（[0.0,0.3,0.0,0.4,0.0,0.1,0.0,0.0]）
comp_op=tf.greater（y_true，0.1）#返回布尔张量
cast_op=tf.cast（comp_op，tf.int32）#将布尔张量转换为int32
使用tf.Session（）作为sess：
sess.run（tf.global\u variables\u initializer（））
打印（sess.run（cast_op））

打印：

[0 1 0 1 0 0 0 0]