Question

请考虑以下包含张量流tf.cond()的代码段。

    import tensorflow as tf
    import numpy as np

    bb = tf.placeholder(tf.bool)
    xx = tf.placeholder(tf.float32, name='xx')
    yy = tf.placeholder(tf.float32, name='yy')

    zz = tf.cond(bb, lambda: xx + yy, lambda: 100 + yy)

    with tf.Session() as sess:
            dict1 = {bb:False, yy:np.array([1., 3, 4]), xx:np.array([5., 6, 7])}
            print(sess.run(zz, feed_dict=dict1)) # works fine without errors

            dict2 = {bb:False, yy:np.array([1., 3, 4])}
            print(sess.run(zz, feed_dict=dict2)) # get an InvalidArgumentError asking to
                                                 # provide an input for xx

在这两种情况下，bb都是False，zz的评估理论上不依赖xx，但仍然需要输入xx张量流。即使它可以作为虚拟数组提供，但它必须与yy的形状匹配，并且不像dict2那样干净。

有人可以建议如何评估zz（使用tf.cond()或任何其他方法）而不提供xx的值吗？

Answer 1

您可以将xx定义为tf.Variable，并为其指定一个默认值（只要xx没有提供其他值，就会使用该值）。有几点需要注意：

虽然xx不是占位符，但您仍然可以通过feed_dict将值添加到其中来对待它。
使用validate_shape=False，以便将任何形状投放到xx。
使用trainable=False以便xx未优化（否则，优化程序可能会将其默认值更改为Nan，这可能会导致问题。）
请勿忘记使用例如xx初始化tf.global_variables_initializer()的值。

以下是代码：

import tensorflow as tf
import numpy as np

bb = tf.placeholder(tf.bool)
xx = tf.Variable(initial_value=0.0,validate_shape=False,trainable=False,name='xx')
yy = tf.placeholder(tf.float32, name='yy')

zz = tf.cond(bb, lambda: xx + yy, lambda: 100 + yy)

with tf.Session() as sess:
   sess.run(tf.global_variables_initializer())
   dict1 = {bb:False, yy:np.array([1., 3, 4]), xx:np.array([5., 6, 7])}
   print(sess.run(zz, feed_dict=dict1))
   dict2 = {bb:False, yy:np.array([1., 3, 4])}
   print(sess.run(zz, feed_dict=dict2))

当使用tf.cond（）时，tensorflow会为不必要的占位符请求输入

1 个答案: