tf.cond函数详解

一、概述

tf.cond是一个TensorFlow中的函数，可以在条件成立时执行一个函数，否则执行另一个函数。这个函数的返回值必须是Tensor类型，使得在图构建过程中，TensorFlow可以根据条件不同而选择不同的路径。它的格式如下：

tf.cond(
    pred,
    true_fn=None,
    false_fn=None,
    strict=False,
    name=None)

其中，pred为真假条件，true_fn为条件成立时执行的函数，false_fn为条件不成立时执行的函数。

二、tf.cond的应用

1.控制流程

tf.cond主要应用于动态控制 TensorFlow 的计算流程，可以使得计算在运行时根据条件发生改变。例如，当训练模型时，我们需要根据当前的训练次数，对模型参数进行不同程度的更新，这时候就可以使用tf.cond函数。

import tensorflow as tf
import numpy as np
 
x = tf.constant(np.random.randn(3,2))
y = tf.constant(np.random.randn(3,2))
z = tf.reduce_sum(tf.cond(tf.less(x,y), lambda: (x - y) * y, lambda: (y - x) * x))
 
with tf.Session() as sess:
    result = sess.run(z)
    print(result)

在这个例子中，如果x

2.实现动态图计算

在计算图中，我们用While循环代替for循环来处理任意长度的序列的输入，这就需要用到tf.cond来根据while循环中的条件来选择不同的计算路径。

import tensorflow as tf
 
x = tf.constant(10)
 
def cond(x):
    return x > 0
 
def body(x):
    return [tf.subtract(x,1)]
 
res = tf.while_loop(cond, body, loop_vars=[x]) 
 
with tf.Session() as sess:
    result = sess.run(res)
    print(result)

这段代码中，当 x > 0 时，调用body() 函数计算一次迭代，当 x

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com