我目前正在使用在Keras中实现的U-Net（https://arxiv.org/pdf/1505.04597.pdf）来分割显微镜图像，并希望利用出版物中介绍的权重图 .
我无法找到如何将权重贴图单独加载到我的自定义丢失函数中，因此我决定将权重贴图和标签图像（通过图像乘法）组合并将它们作为y_true加载到我的网络中 .
现在我正在努力使用tensorflow操作将我的y_true分成真正的标签和我的体重图 . 下面是我需要在numpy数组上使用的公式，以将我的组合y_true拆分为真实的y_true和权重 .
# formula to retrieve weight map from new label
new[new > (new.max()/10)] /=10
# formula to retrieve original label from new label
new[new <= (new.max() / 10)] = 0
new[new != 0] = 255
我对张量流不太熟悉，但这是我到目前为止所做的：
# get maximum value from y_true
max = tf.reduce_max(y_true)
# create divisor value
divider = tf.convert_to_tensor(10, y_true.dtype.base_dtype)
# (new.max()/10)
new_max = tf.div(max, divider)
# new[new > (new.max()/10)] /= 10
const = tf.convert_to_tensor(1, y_true.dtype.base_dtype)
weights = tf.cond(y_true > new_max, lambda: tf.div(y_true, new_max), lambda: tf.div(y_true, const))
关于最后一个陈述，我认为这不能通过如上所述的tf.cond来解决？如何检查张量中的每个值是否满足特定条件，如果是，则对该条件执行计算？
谢谢你的帮助！