【转载】 tf.cond() ----------------------（tensorflow 条件判断语句 if.......else....... ）

原文地址：

https://cloud.tencent.com/developer/article/1486441

------------------------------------------------------

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

true_fn和false_fn都返回输出张量的列表。true_fn和false_fn必须具有相同的非零数和输出类型。 警告:在true_fn和false_fn之外创建的任何张量或操作都将执行，而不管在运行时选择了哪个分支。

尽管这种行为与TensorFlow的数据流模型是一致的，但是它经常会让用户感到惊讶，因为他们希望使用更懒惰的语义。考虑以下简单的程序:

z = tf.multiply(a, b)
result = tf.cond(x < y, lambda: tf.add(x, z), lambda: tf.square(y))

如果x < y，tf.add()建会被执行，而tf.square()不会被执行。因为至少cond的一个分支tf需要z。乘法运算总是无条件地执行。

注意，cond只调用true_fn和false_fn一次(在对cond的调用中调用，而在Session.run()期间根本不调用)。cond使用一些额外的图节点将true_fn和false_fn调用期间创建的图片段拼接在一起，以确保根据pred的值执行正确的分支。cond支持在tensorflow.python.util.nest中实现的嵌套结构。true_fn和false_fn都必须返回列表、元组和/或命名元组的相同(可能是嵌套的)值结构。单例列表和元组是唯一的例外:当true_fn和/或false_fn返回时，它们被隐式解压缩为单个值。

注意:“直接”使用在cond分支外部创建的张量是非法的，例如通过在python状态下存储对分支张量的引用。

如果你需要使用一个在分支函数中创建的张量，你应该把它作为分支函数的输出返回并使用tf.cond的输出。

参数：

• pred:一个标量，它决定是返回true_fn的结果还是false_fn的结果。
• true_fn:如果pred为真，则执行可调用的。
• false_fn:如果pred为false，则可执行的调用。
• name:返回的张量的可选名称前缀。

返回值：

• 调用true_fn或false_fn返回的张量。如果callables返回一个单例列表，则从列表中提取元素。

可能产生的异常：

• TypeError: if true_fn or false_fn is not callable.
• ValueError: if true_fn and false_fn do not return the same number of tensors, or return tensors of different types.

例：

import tensorflow as tf
a=tf.constant(2)
b=tf.constant(3)
x=tf.constant(4)
y=tf.constant(5)
z = tf.multiply(a, b)
result = tf.cond(x < y, lambda: tf.add(x, z), lambda: tf.square(y))
with tf.Session() as session:
    print(result.eval())

Output:

---
10
---