如何在TensorFlow图中添加条件？

Question

假设我有以下代码：

x = tf.placeholder("float32", shape=[None, ins_size**2*3], name = "x_input")
condition = tf.placeholder("int32", shape=[1, 1], name = "condition")
W = tf.Variable(tf.zeros([ins_size**2*3,label_option]), name = "weights")
b = tf.Variable(tf.zeros([label_option]), name = "bias")

if condition > 0:
    y = tf.nn.softmax(tf.matmul(x, W) + b)
else:
    y = tf.nn.softmax(tf.matmul(x, W) - b)

该if语句在计算中是否有效（我认为不是）？如果没有，如何if在TensorFlow计算图中添加一条语句？

Answer 1

您是正确的，该if语句在这里不起作用，因为该条件是在图构造时评估的，而大概您希望该条件取决于运行时馈入占位符的值。（实际上，它将始终采用第一个分支，因为`condition

0计算结果为aTensor`，这在Python中是“真实的”。）

为了支持条件控制流，TensorFlow提供了tf.cond()运算符，该运算符根据布尔条件评估两个分支之一。为了向您展示如何使用它，我将重写您的程序，为简单起见，这condition是一个标tf.int32量值：

x = tf.placeholder(tf.float32, shape=[None, ins_size**2*3], name="x_input")
condition = tf.placeholder(tf.int32, shape=[], name="condition")
W = tf.Variable(tf.zeros([ins_size**2 * 3, label_option]), name="weights")
b = tf.Variable(tf.zeros([label_option]), name="bias")

y = tf.cond(condition > 0, lambda: tf.matmul(x, W) + b, lambda: tf.matmul(x, W) - b)