Tensorflow：用最小值或最大值替换tensor中的所有值

我想用最小的条目替换张量中的所有值：

[1,-2,3,4,-4] -> [-4,-4,-4,-4,-4]

现在我正在做

x = tf.random_normal([1,5], mean=0.0, stddev=1.0, dtype=tf.float32)
y = tf.reduce_min(x) + 0.0*x

---

有更好的方法吗？

好吧，如果使用显式初始化而不是使用加法进行隐式广播，那么CPU和GPU的效率都会更高。见下面的基准。此代码（已测试）：

将tensorflow导入为tf
x=tf.random_normal（[1,5]，均值=0.0，标准差=1.0，数据类型=tf.float32）
y=tf.fill（tf.shape（x），tf.reduce_min（x））
使用tf.Session（）作为sess：
res=sess.run（[x，y]）
对于res中的v：
印刷品（五）

将输出

[[-1.9890205-0.207912220.6901897 0.5605381 0.93578804]
[[-1.9890205-1.9890205-1.9890205-1.9890205-1.9890205]]

根据需要（数字是随机的，但第二行中第一行的最小值以相同的形状重复。）

---

基准 在我的本地计算机上，GPU上的原始版本用了0.305秒而CPU上的原始版本用了1.479秒，张量形状的

[10000,10000]

用了0.191秒而CPU上的原始版本用了1.923秒

该版本在CPU上的时间分别为0.082秒和0.610秒，在GPU上的时间分别为0.287秒和0.874秒

以下是我用于基准测试的代码：

将tensorflow导入为tf
导入时间
使用tf.device（“/gpu:0”）：
#x和m是变量，首先计算，以便仅测量时间
#填充与广播操作
x=tf.变量（tf.random_normal（[10000,10000]，mean=0.0，stddev=1.0，dtype=tf.float32））
m=tf.变量（0.）
m_calc_op=tf.assign（m，tf.reduce_min（x））
y1=tf填充（tf形状（x），m）
y2=m+0.0*x
使用tf.Session（）作为sess：
sess.run（tf.global\u variables\u initializer（））
评估运行（m_calc_op）
#res=sess.run（[y1，y2]）#运行一次
开始=时间。时钟（）
#对于X范围内的i（10）：
res=sess.run（[m，y1]）
end=time.clock（）
打印（结束-开始，“m=，res[0]）
开始=时间。时钟（）
#对于X范围内的i（10）：
res=sess.run（[m，y2]）
end=time.clock（）
打印（结束-开始，“m=，res[0]）

注意，我注释掉了10倍的重复，因为它开始给出不合理的低值，可能有一些优化，如果输入没有改变，计算不会重新运行。我放大了张量