如何使用布尔张量制作 if 语句

Question

如何使用布尔张量创建 if 语句？更准确地说，我试图将大小为 1 的张量与常数进行比较，检查张量中的值是否小于常数。我发现我必须将常量设为自己的大小 1 张量并使用 this 方法检查第一个张量是否小于第二个张量，但我不确定如何使生成的布尔张量正确适合if 语句。只需将其作为 if 语句的查询放入 if 语句总是返回 true。

编辑：这或多或少是代码的样子。但是，无论是否有参数，我都会收到错误 'bool' object has no attribute 'name'，这让我认为问题在于它没有返回 TensorFlow 对象。

pred = tf.placeholder(tf.bool)

def if_true(x, y, z):
  #act on x, y, and z
  return True

def if_false():
  return False

# Will be `tf.cond()` in the next release.
from tensorflow.python.ops import control_flow_ops
from functools import partial
x = ...
y = ...
z = ...

result = control_flow_ops.cond(pred, partial(if_true, x, y, z), if_false)

Answer 1

TL;DR：您需要使用 Session.run() 来获取 Python 布尔值，但还有其他方法可以更有效地实现相同的结果。

看起来您已经知道如何从您的值中获取布尔张量，但为了其他读者的利益，它看起来像这样：

computed_val = ...
constant_val = tf.constant(37.0)
pred = tf.less(computed_val, constant_val)  # N.B. Types of the two args must match

下一部分是如何将其用作条件。最简单的做法是使用 Python if 语句，但要做到这一点，您必须使用 Session.run()评估张量 pred：

sess = tf.Session()

if sess.run(pred):
  # Do something.
else:
  # Do something else.

关于使用 Python if 语句的一个警告是，您必须将整个表达式求值到 pred，这使得重用已经计算的中间值变得很棘手。我想提请您注意使用 TensorFlow 计算条件表达式的另外两种方法，它们不需要您评估谓词并返回 Python 值。

第一种方法使用tf.select() 操作来有条件地传递来自作为参数传递的两个张量的值：

pred = tf.placeholder(tf.bool)  # Can be any computed boolean expression.
val_if_true = tf.constant(28.0)
val_if_false = tf.constant(12.0)
result = tf.select(pred, val_if_true, val_if_false)

sess = tf.Session()
sess.run(result, feed_dict={pred: True})   # ==> 28.0
sess.run(result, feed_dict={pred: False})  # ==> 12.0

tf.select() 操作在其所有参数上按元素工作，这允许您组合来自两个输入张量的值。有关详细信息，请参阅its documentation。 tf.select() 的缺点是它会在计算结果之前同时计算 val_if_true 和 val_if_false，如果它们是复杂的表达式，这可能会很昂贵。

第二种方法使用tf.cond() 操作，它有条件地计算两个表达式之一。如果表达式很昂贵，这是特别有用的，如果它们have side effects 是必不可少的。基本模式是指定两个 Python 函数（或 lambda 表达式）来构建将在真或假分支上执行的子图：

# Define some large matrices
a = ...
b = ...
c = ...

pred = tf.placeholder(tf.bool)

def if_true():
  return tf.matmul(a, b)

def if_false():
  return tf.matmul(b, c)

# Will be `tf.cond()` in the next release.
from tensorflow.python.ops import control_flow_ops

result = tf.cond(pred, if_true, if_false)

sess = tf.Session()
sess.run(result, feed_dict={pred: True})   # ==> executes only (a x b)
sess.run(result, feed_dict={pred: False})  # ==> executes only (b x c)