将数组（秩为 1 的形状）馈送到 TensorFlow tf.case

Question

遵循tf.case 文档中的这个示例：

def f1(): return tf.constant(17)
def f2(): return tf.constant(23)
def f3(): return tf.constant(-1)
r = tf.case({tf.less(x, y): f1, tf.greater(x, z): f2},
            default=f3, exclusive=True)

我也想这样做，但允许使用 feed_dict 作为输入，如下图所示：

x = tf.placeholder(tf.float32, shape=[None])
y = tf.placeholder(tf.float32, shape=[None])
z = tf.placeholder(tf.float32, shape=[None])
def f1(): return tf.constant(17)
def f2(): return tf.constant(23)
def f3(): return tf.constant(-1)
r = tf.case({tf.less(x, y): f1, tf.greater(x, z): f2},
            default=f3, exclusive=True)
print(sess.run(r, feed_dict={x: [0, 1, 2, 3], y: [1, 1, 1, 1], z: [2, 2, 2, 2]}))
# result should be [17, -1, -1, 23]

所以，基本上我想输入三个长度相等的int-array 并接收一个包含 17、23 或 -1 的 int-values 数组。不幸的是，上面的代码给出了错误：

ValueError: Shape 必须为 0 级，但对于输入形状为 [?]、[?] 的“case/cond/Switch”（操作：“Switch”）为 1 级。

我明白，tf.case 需要布尔标量张量输入值，但有什么方法可以实现我想要的吗？我也试过tf.cond，但没有成功。

Answer 1

为此使用tf.where，例如像这样（broadcasting support for tf.where seems to be on its way，但据我所知还没有，所以你必须确保所有参数的大小与向量的大小相同，或者@ 987654323@, tf.tile...)。

import tensorflow as tf

with tf.Graph().as_default(), tf.Session() as sess:
    x = tf.placeholder(tf.float32, shape=[None])
    y = tf.placeholder(tf.float32, shape=[None])
    z = tf.placeholder(tf.float32, shape=[None])
    ones = tf.ones_like(x)
    r = tf.where(x < y, 17 * ones, tf.where(x > z, 23 * ones, -ones))
    print(sess.run(r, feed_dict={x: [0, 1, 2, 3], y: [1, 1, 1, 1], z: [2, 2, 2, 2]}))
    # [17. -1. -1. 23.]