Question

假设我有以下代码：

x = tf.placeholder("float32", shape=[None, ins_size**2*3], name = "x_input")
condition = tf.placeholder("int32", shape=[1, 1], name = "condition")
W = tf.Variable(tf.zeros([ins_size**2*3,label_option]), name = "weights")
b = tf.Variable(tf.zeros([label_option]), name = "bias")

if condition > 0:
    y = tf.nn.softmax(tf.matmul(x, W) + b)
else:
    y = tf.nn.softmax(tf.matmul(x, W) - b)

if语句会在计算中起作用吗（我不这么认为）？如果没有，我如何在TensorFlow计算图中添加if语句？

Answer 1

你是正确的if语句在这里不起作用，因为在图形构造时评估条件，而大概你希望条件依赖于在运行时提供给占位符的值。（事实上，它总是会占用第一个分支，因为condition > 0评估为Tensor，即"truthy" in Python。）

为了支持条件控制流，TensorFlow提供了tf.cond()运算符，它根据布尔条件计算两个分支中的一个。为了向您展示如何使用它，我将重写您的程序，以便condition是一个标量tf.int32值，以简化：

x = tf.placeholder(tf.float32, shape=[None, ins_size**2*3], name="x_input")
condition = tf.placeholder(tf.int32, shape=[], name="condition")
W = tf.Variable(tf.zeros([ins_size**2 * 3, label_option]), name="weights")
b = tf.Variable(tf.zeros([label_option]), name="bias")

y = tf.cond(condition > 0, lambda: tf.matmul(x, W) + b, lambda: tf.matmul(x, W) - b)

Answer 2

TensorFlow 2.0

TF 2.0 introduces a feature called AutoGraph，您可以通过JIT将python代码编译为Graph执行。这意味着您可以使用python控制流语句（是的，这包括if语句）。在文档中，

AutoGraph支持常见的Python语句，例如while，for，if， break，continue和return，并支持嵌套。那意味着你可以在while和if的条件下使用Tensor表达式语句，或在for循环中遍历张量。

您将需要定义一个实现逻辑的函数，并用tf.function对其进行注释。这是文档中的修改示例：

import tensorflow as tf

@tf.function
def sum_even(items):
  s = 0
  for c in items:
    if tf.equal(c % 2, 0): 
        s += c
  return s

sum_even(tf.constant([10, 12, 15, 20]))
#  <tf.Tensor: id=1146, shape=(), dtype=int32, numpy=42>

如何在TensorFlow图中添加if条件？

2 个答案:

TensorFlow 2.0