如何有条件地为张量赋值[屏蔽损失函数]？

我想创建一个 L2 损失函数，忽略标签值为 0 的值（=> 像素）。张量batch[1]包含标签，同时output是净输出的张量，两者的形状均为(None,300,300,1).

labels_mask = tf.identity(batch[1])
labels_mask[labels_mask > 0] = 1
loss = tf.reduce_sum(tf.square((output-batch[1])*labels_mask))/tf.reduce_sum(labels_mask)

我当前的代码产生TypeError: 'Tensor' object does not support item assignment（在第二行）。执行此操作的张量流方式是什么？我还尝试将损失标准化tf.reduce_sum(labels_mask)，我希望这样工作。

以下是如何应用布尔索引并有条件地将值赋给变量的示例：

a = tf.Variable(initial_value=[0, 0, 4, 6, 1, 2, 4, 0])
mask = tf.greater_equal(a, 2)  # [False False  True  True False  True  True False]
indexes = tf.where(mask)  # [[2] [3] [5] [6]], shape=(4, 1)
b = tf.scatter_update(a, mask, tf.constant(1500))

output:

[   0,    0, 1500, 1500,    1, 1500, 1500,    0]