首先使用tf.where()将满足条件的数值索引取出来，在numpy中，可以直接用矩阵引用索引将满足条件的数值取出来，但是在tensorflow中这样是不行的。所幸，tensorflow提供了tf.gather()和tf.gather_nd()函数。

看下面这一段代码：

import tensorflow as tf
sess = tf.Session()
def get_tensor():
  x = tf.random_uniform((5, 4))
  ind = tf.where(x>0.5)
  y = tf.gather_nd(x, ind)
  return x, ind, y

在上述代码中，输出分别是原始的tensor x，x中满足特定条件(此处为>0.5)的数值的索引，以及x中满足特定条件的数值。执行以下步骤，观察三个tensor对应的数值：

x, ind, y = get_tensor()
x_, ind_, y_ = sess.run([x, ind, y])

可以得到如下结果：

可以看到，上述结果中将tensor x中大于0.5的数值取出来组成了一个新的tensor y。

如果我们将代码中的tf.gather_nd替换成tf.gather会发生什么呢？由于结果不方便展示，这里不放结果了，tf.gather适用于index为一维的情况，在本例中，index为2维，如果选用tf.gather的话，对应的x, ind, y的维数分别如下：

x.shape = (5, 4)
ind.shape = (9, 2)
y.shape = (9, 2, 4)

以上这篇tensorflow实现tensor中满足某一条件的数值取出组成新的tensor就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持【听图阁-专注于Python设计】。