tensorflow
Verwendung der if-Bedingung innerhalb des TensorFlow-Diagramms mit tf.cond

Parameter

Bemerkungen

Grundlegendes Beispiel

x = tf.constant(1.)
bool = tf.constant(True)

res = tf.cond(bool, lambda: tf.add(x, 1.), lambda: tf.add(x, 10.))
# sess.run(res) will give you 2.

Wenn f1 und f2 mehrere Tensoren zurückgeben

Die beiden Funktionen fn1 und fn2 können mehrere Tensoren zurückgeben, sie müssen jedoch die gleiche Anzahl und Typen von Ausgaben zurückgeben.

x = tf.constant(1.)
bool = tf.constant(True)

def fn1():
    return tf.add(x, 1.), x

def fn2():
    return tf.add(x, 10.), x

res1, res2 = tf.cond(bool, fn1, fn2)
# tf.cond returns a list of two tensors
# sess.run([res1, res2]) will return [2., 1.]

Definieren und Verwenden der Funktionen f1 und f2 mit Parametern

Sie können Parameter mit Hilfe von Lambda an die Funktionen in tf.cond () übergeben. Der Code ist wie folgt.

x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
z = tf.placeholder(tf.float32)

def fn1(a, b):
  return tf.mul(a, b)

def fn2(a, b):
  return tf.add(a, b)

pred = tf.placeholder(tf.bool)
result = tf.cond(pred, lambda: fn1(x, y), lambda: fn2(y, z))

Dann kannst du es als brüllen nennen:

with tf.Session() as sess:
  print sess.run(result, feed_dict={x: 1, y: 2, z: 3, pred: True})
  # The result is 2.0
  print sess.run(result, feed_dict={x: 1, y: 2, z: 3, pred: False})
  # The result is 5.0