tensorflow
Tf.cond के साथ TensorFlow ग्राफ के अंदर अगर हालत का उपयोग करना

पैरामीटर

टिप्पणियों

मूल उदाहरण

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.

जब f1 और f2 कई टेनर्स लौटाते हैं

दो कार्यों fn1 और fn2 कई tensors लौट सकते हैं, लेकिन वे बिल्कुल वही संख्या और आउटपुट के प्रकार वापस लौटाना होगा।

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.]

मापदंडों के साथ f1 और f2 फ़ंक्शन को परिभाषित और उपयोग करें

आप tf.cond () में lambda का उपयोग करके फंक्शंस में पैरामीटर पास कर सकते हैं और कोड bellow के रूप में है।

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))

तो आप इसे बोल्डिंग कह सकते हैं:

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