我需要我的模型在训练和测试期间表现不同。我正在尝试将I序列构建为序列模型，并且我希望在训练时将预期输出提供给解码器，并在测试时将实际输出提供给解码器。我定义了以下占位符，它应该包含一个缩放器值。
training = tf.placeholder(tf.bool, None, 'training')
在我的解码器中，我使用以下select语句，它在第一个时间步骤中返回所有零，但在最后一个输出和预期输出之间进行选择，具体取决于它是否在训练。
last_step = tf.select(training, getTimeStep(expected_output, t - 1), decoder_outputs[t - 1])if t else tf.zeros((BATCH_SIZE, 128))
当我在训练模式下运行模型时，我使用以下内容将训练设置为True。
sess.run([accuracy, cross_entropy, train_step], feed_dict = {input_tensor: x_train, expected_output: y_train, training: True})
运行时出现以下错误。
tensorflow.python.framework.errors.InvalidArgumentError: Inputs to operation decoder/Select of type Select must have the same size and shape. Input 0: [] != input 1: [32,128]
似乎条件需要与我选择的张量相同。但是，我想选择一个或另一个表达式，而不是选择元素。有一个更好的方法吗？我认为select应该只播放布尔值。我可以平铺它，但这似乎效率低下。
答案 0 :(得分：1)
你是对的，tf.select希望条件与其他两个输入具有相同的形状。
您应该使用tf.cond。有关在TensorFlow图中使用if条件的信息，请参阅this detailed answer。