了解tf.cond图

Question

我试图通过查看用于构建tf.cond的低级操作的图表来了解tf.cond的内部工作原理。

这是有问题的代码

x = tf.constant(1, name='x')
y = tf.constant(2, name='y')
z = tf.constant(3, name='z')

result = tf.cond(tf.less(x, y), lambda: tf.add(x, z), lambda: tf.square(y))

以及生成的graph。

我想知道的是以下情况。

• 导致switch_t和switch_f在那做的单独的开关操作是什么？
• 为什么更少的输出连接到pred_id和Switch Ops？我希望它为tf.cond中的所有输入输出一个通往所有Switch-es的谓词（布尔量张量）。
• 什么是pred_id？只是将谓词分为三个分支的身份吗？

• 我试图了解tf.cond如何在运行时仅评估一个分支。

  我了解，当我们评估tf.cond的结果时，我们正在评估来自合并操作的张量。合并必须接受（我假设）四个张量作为输入（两个来自Add分支，两个来自Square分支），其中三个死了。但是，如果我们将张量沿图向下评估，我们只能知道张量的“失效”，不是吗？

• 例如，对于Square分支，我知道switch将y张量和谓词作为输入，并在switch语句的相应分支上输出y和dead两个张量。但是该分支已经保证一定是针对错误的分支。那么，开关分支的T和F输出会发生什么呢？他们俩都进入Square Op？然后进入合并？

谢谢

S