tensorflow中对于tensor特定值进行逻辑判断和操作的一种特例

       tenosr类型不能像numpy中数组一样对于数组内元素任意操作，比如进行判断，赋值，笔者刚学习tenosrflow遇到这个问题，困扰很长时间，期间看到一篇别人的博客使用了 tf.py_func 接口，自己测试了一下小程序是可以的，但是放到自己训练的网络中出现一些其他问题，由于能力有限没能找到解决办法，所以想了别的办法，简单的办法很久才想出来（针对于我自己的需求来说）。

     我想实现的是对张量中的值进行判断然后赋值为0或1，比如 a=tf.constant(value=[[0.1,2.0,3.0],[0.4,5.0,6.0]])创建了一个二维的张量 和 b=tf.constant(value=0.5，shape=[2,3]),然后用 c=tf.greater_equal(a,b) ，该函数意思是拿a和b进行“大于等于”比较，注意a和b维度要相同。得到的值c是布尔类型的，c对应位置的值是比较后的true或false，然后用c=tf.cast(c,tf.float32)将c的值转为float类型，也就是true变为1，false变为0。对应比较的函数还有tf.less(),tf.less_equal(),tf.greater()。代码如下：

a=tf.constant(value=[[0.1,2.0,3.0],[0.4,5.0,6.0]])
b=tf.constant(value=0.5,shape=[2,3])
c=tf.greater_equal(a,b)
c=tf.cast(c,tf.float32)
with tf.Session() as sess:
    print sess.run(c)

结果为：

[[0. 1. 1.]
 [0. 1. 1.]]