tf.cond(
pred,
true_fn=None,
false_fn=None,
name=None
)
true_fn和false_fn都返回输出张量的列表。true_fn和false_fn必须具有相同的非零数和输出类型。 警告:在true_fn和false_fn之外创建的任何张量或操作都将执行,而不管在运行时选择了哪个分支。
尽管这种行为与TensorFlow的数据流模型是一致的,但是它经常会让用户感到惊讶,因为他们希望使用更懒惰的语义。考虑以下简单的程序:
z = tf.multiply(a, b)
result = tf.cond(x < y, lambda: tf.add(x, z), lambda: tf.square(y))
如果x < y,tf.add()建会被执行,而tf.square()不会被执行。因为至少cond的一个分支tf需要z。乘法运算总是无条件地执行。
注意,cond只调用true_fn和false_fn一次(在对cond的调用中调用,而在Session.run()期间根本不调用)。cond使用一些额外的图节点将true_fn和false_fn调用期间创建的图片段拼接在一起,以确保根据pred的值执行正确的分支。cond支持在tensorflow.python.util.nest中实现的嵌套结构。true_fn和false_fn都必须返回列表、元组和/或命名元组的相同(可能是嵌套的)值结构。单例列表和元组是唯一的例外:当true_fn和/或false_fn返回时,它们被隐式解压缩为单个值。
注意:“直接”使用在cond分支外部创建的张量是非法的,例如通过在python状态下存储对分支张量的引用。
如果你需要使用一个在分支函数中创建的张量,你应该把它作为分支函数的输出返回并使用tf,cond的输出。
参数:
返回值:
可能产生的异常:
TypeError
: if true_fn
or false_fn
is not callable.ValueError
: if true_fn
and false_fn
do not return the same number of tensors, or return tensors of different types.例:
import tensorflow as tf
a=tf.constant(2)
b=tf.constant(3)
x=tf.constant(4)
y=tf.constant(5)
z = tf.multiply(a, b)
result = tf.cond(x < y, lambda: tf.add(x, z), lambda: tf.square(y))
with tf.Session() as session:
print(result.eval())
Output:
---
10
---