运行时Tensorflow占位符决策

Question

我有3个张量流占位符，它们应该在运行时提供我的机器学习模型（数据可以在任何占位符中随机发送）。所以我写了一个x和模型的通用代码。

x1 = tf.placeholder(tf.float32, [batch_size, data_image_size ], name='input1')
x2 = tf.placeholder(tf.float32, [batch_size, data_image_size ], name='input2')
x3 = tf.placeholder(tf.float32, [batch_size, data_image_size ], name='input3')
output = model.finalize(x, reuse=True)

现在，在运行时，我会生成一个随机数（在1,2,3之间）并想要决定哪个占位符适合 x 。有什么办法吗？

逻辑上这对我来说很有意义，

def f1(): return x1  #(similarly for x2 and x3)

turn_1= tf.constant(1)
turn_2= tf.constant(2)
turn_3= tf.constant(3)

x = tf.case({tf.equal(turn, turn_1): f1, tf.equal(turn , turn_2): f2 ,
        tf.equal(turn, turn_3): f3 }, default=f1, exclusive=True)

output = model.finalize(x, reuse=True)

sess.run(output , dict_feed = {turn: 1 , x1 : X_input_data} )
sess.run(output , dict_feed = {turn: 3 , x3 : X_input_data} )
sess.run(output , dict_feed = {turn: 2 , x2 : X_input_data} )

但是这给了我错误： ValueError：操作'case_3 / If_3 / Merge'被标记为不可获取。

有任何建议甚至可以做到吗？或者我应该用不同的变量名称对所有情况进行硬编码？

[请注意：我需要分享权重]