如何在Tensorflow中运行此条件执行？

Question

我想只为张量赋值一次，并在以后的所有执行中保持不变。换句话说，我想实现以下内容：

x = tf.cond(tf.equal(x_ready, 0), ComputeX(), tf.no_op)

这当然行不通，因为tf.no_op不会返回张量。那么在Tensorflow中实现等效于以下C ++代码的简单方法是什么？

x_ready = false;
if (!x_ready) {
  x = ComputeX();
  x_ready = true;
}  // and there is no "else" branch

请注意，我不希望以下列方式实施它：

x = tf.cond(tf.equal(x_ready, 0), ComputeX(), tf.identity(x))

因为＆＃34; x＆＃34;在此声明之前未声明。如果看起来Tensorflow对于单分支条件执行是不灵活的 - 你总是必须为＆＃34; true＆＃34;提供两个函数fn1，fn2。和＆＃34;假＆＃34;情况，即使不需要fn2。

Answer 1

Tensorflow不是一种过程编程语言，它是一种图形编程语言。所以你必须对事情有所不同。

从图形评估的角度来看，您是否在图表中使用下游变量x。因此，如果您实际使用x，则必须首先计算它（您必须初始化它）。 tf.identity是必要的。

您还没有真正解释过您要完成的工作，但如果x取决于ComputeX()，并且ComputeX()在其他事情发生之前不会发生，那么图表评估将会采取已经关心这个顺序依赖。 （图形评估顺序是通过拓扑排序完成的。）

如果您确实需要建立依赖关系，请使用tf.control_dependencies()