TensorFlow 中张量值的条件分配

我想复制以下内容numpy代码在tensorflow。例如，我想分配一个0到先前值为的所有张量索引1.

a = np.array([1, 2, 3, 1])
a[a==1] = 0

# a should be [0, 2, 3, 0]

如果我写类似的代码tensorflow我收到以下错误。

TypeError: 'Tensor' object does not support item assignment

方括号中的条件应该是任意的，如下所示a[a<1] = 0.

有没有办法实现这种“条件赋值”（由于缺乏更好的名称）tensorflow?

比较运算符，例如比...更棒 https://www.tensorflow.org/api_docs/python/tf/math/greater可在 TensorFlow API 中使用。

然而，在直接操作张量时，没有什么比简洁的 NumPy 语法等效的了。你必须利用个人comparison, where and assign操作员执行相同的操作。

与 NumPy 示例等效的代码如下：

import tensorflow as tf

a = tf.Variable( [1,2,3,1] )    
start_op = tf.global_variables_initializer()    
comparison = tf.equal( a, tf.constant( 1 ) )    
conditional_assignment_op = a.assign( tf.where (comparison, tf.zeros_like(a), a) )

with tf.Session() as session:
    # Equivalent to: a = np.array( [1, 2, 3, 1] )
    session.run( start_op )
    print( a.eval() )    
    # Equivalent to: a[a==1] = 0
    session.run( conditional_assignment_op )
    print( a.eval() )

# Output is:
# [1 2 3 1]
# [0 2 3 0]

打印语句当然是可选的，它们只是为了证明代码正确执行。