Question

如何根据条件选择执行图形的一部分？

我的网络的一部分只有在feed_dict中提供占位符值时才会执行。如果未提供值，则采用备用路径。如何使用tensorflow实现此目的？

以下是我的代码的相关部分：

sess.run(accuracy, feed_dict={inputs: mnist.test.images, outputs: mnist.test.labels})

N = tf.shape(outputs)
    cost = 0
    if N > 0:
        y_N = tf.slice(h_c, [0, 0], N)
        cross_entropy = tf.nn.softmax_cross_entropy_with_logits(y_N, outputs, name='xentropy')
        cost = tf.reduce_mean(cross_entropy, name='xentropy_mean')

在上面的代码中，我正在寻找可以在if N > 0:

的位置使用的内容

Answer 1

槽糕。你想要的可能是tf.control_flow_ops.cond（） https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/control_flow_ops.py#L597

但是这并没有导出到tf命名空间，我正在回答没有检查这个接口的保证稳定性，但它已经在发布的模型中使用，所以去吧。：）

但是：因为您实际上事先知道构造feed_dict时想要的路径，所以您也可以采用不同的方法在模型中调用单独的路径。执行此操作的标准方法是，例如，设置如下代码：

def model(input, n_greater_than):
  ... cleverness ...
  if n_greater_than:
     ... other cleverness...
  return tf.reduce_mean(input)


out1 = model(input, True)
out2 = model(input, False)

然后根据您在运行计算时所知的内容并设置feed_dict来拉出out1或out2节点。请记住，默认情况下，如果模型引用相同的变量（在之外创建它们模型（）func），那么你基本上会有两条不同的路径。

您可以在卷积mnist示例中看到此示例：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/models/image/mnist/convolutional.py#L165

如果可以的话，我很喜欢这样做而不引入控制流依赖性。

Answer 2

这是一个简单的例子，可以帮助您入门。它根据张量的形状执行图形的不同部分：

import tensorflow as tf

a = tf.Variable([[3.0, 3.0], [3.0, 3.0]])
b = tf.Variable([[1.0, 1.0], [2.0, 2.0]])
l = tf.shape(a)

add_op, sub_op = tf.add(a, b), tf.sub(a, b)

sess = tf.Session()
init = tf.initialize_all_variables()
sess.run(init)
t = sess.run(l)

print sess.run(sub_op if t[0] == 3 else add_op)

sess.close()

将3更改为2以查看将如何减去张量。如您所见，我启动了add和sub以及shape的节点，然后在图表中检查形状并运行特定部分。

TensorFlow中的条件执行

2 个答案: