如何在TensorFlow圖中添加條件？

Question

比方說，我有以下代碼：

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) 

將在計算if聲明的工作（我不這麼認爲）？如果不是，我怎樣才能將一個if語句添加到TensorFlow計算圖中？

Answer 1

由於條件是在圖構建時評估的，因此您確定if語句在此處不起作用，而假設您希望條件取決於在運行時向該佔位符提供的值。 （事實上​​，它將始終以第一分支，因爲condition > 0計算結果爲Tensor，這是"truthy" in Python。）

爲了支持條件的控制流程，TensorFlow提供tf.cond()操作者，其評估兩個中的一個分支，這取決於一個布爾條件。爲了向你展示如何使用它，我會重寫你的程序，以便condition是簡單的標tf.int32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)