Question

实际上我们不能在if语句中使用tf.var作为bool而不是使用tf.cond。我编写了这个代码用于规范化输入数据并得到混淆错误，我做错了吗？

   def global_contrast_normalize(X, scale=1., subtract_mean=True,use_std=False,
       sqrt_bias=0., min_divisor=1e-8):
       mean=tf.reduce_mean(X,axis=1)
       if subtract_mean:
         X = X - mean[:, numpy.newaxis]  # Makes a copy.
      else:
         X = tf.copy.copy(X)
      if X.get_shape()[1]==1:
        #ddof = 0
        mean, var = tf.nn.moments(X, axes=[1])

        normalizers = tf.sqrt(sqrt_bias + var) / scale

      else:
        normalizers = tf.sqrt(sqrt_bias + tf.reduce_sum((X ** 2),axis=1)) / scale
        Normalizers= tf.Variable(normalizers,'float32')
        M=tf.Variable(min_divisor,'float32')

      tf.cond( tf.less_equal(Normalizers,M),lambda:tf.assign(Normalizers,  [1]),lambda:tf.assign(Normalizers,normalizers))
      X /= Normalizers[:, tf.newaxis]  # Does not make a copy.
      return X

错误：

in _call_cpp_shape_fn_impl       提出ValueError（err.message）

ValueError：Shape必须为0级，但对于'cond_11 / Switch'为1级   （op：'Switch'）具有输入形状：[1]，[1]。

Answer 1

错误表明预期输入是标量（等级0），但形状为（[1]，[1]）。通常你可以通过将输入重新整形为标量值来解决这个问题（使用tf.reshape(Normalizers, [])）。

对于这种情况，看起来您希望有条件地设置Normalizers的值，具体取决于它们是否为＆lt; = M. tf.where完全相同。

（注意，您不必将规范化器或min_divisor转换为tf.Variable）

tf.where的使用示例：

def global_contrast_normalize(...):
  ...   
  comparison = tf.less_equal(normalizers,M)
  normalizers = tf.where(comparison, tf.ones_like(normalizers), normalizers
  X /= normalizers[:, tf.newaxis]
  return X

ValueError：Shape必须为0，但对于'cond_11 / Switch'是等级1（op：'Switch'）

1 个答案: