tf的条件赋值（量化）

在numpy中一行实现的代码，始终不知道如何在tf中快速实现= =

---

问题

---

对于一个任意维度张量a，使其值在0到1之间的值量化到0.5。

Numpy

---

# Input:a
a[(a>0)&(a<1)] = 0.5

这大概是最简单的实现方式吧。

TensorFlow

---

而在tf中，每一步操作都需要Tensor实现，那么我所找到的一种方法：

greater = a>0
less = a<1
greater_less = tf.logical_and(greater, less)
a = tf.where(greater_less , 0.5 * tf.ones_like(a), a)

可以说把每一步都拆开了。

1. 找到a中大于0的值，greater是一个布尔型张量；
2. 找到a中小于1的值；
3. 逻辑与操作；
4. 使用tf.where根据布尔值张量的真假，赋值0.5或者保持不变。

真的是挺复杂的，但限于目前知识也不知道最简单的方法是什么。。

如果有更好的解决方法希望大家多交流~