tensorflow
Gebruiken van voorwaarde in de TensorFlow-grafiek met tf.cond

parameters

Opmerkingen

Basis voorbeeld

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.

Wanneer f1 en f2 meerdere tensoren retourneren

De twee functies fn1 en fn2 kunnen meerdere tensoren retourneren, maar ze moeten exact hetzelfde aantal en hetzelfde type uitgangen retourneren.

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.]

definieer en gebruik functies f1 en f2 met parameters

U kunt parameters doorgeven aan de functies in tf.cond () met behulp van lambda en de code is hieronder.

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))

Dan kun je het als volgt noemen:

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