关于tf.cond函数中“正确”与“错误”函数中的普通python语句始终执行的问题

 import tensorflow as tf
 import numpy as np
 x = tf.constant(2)
 y = tf.constant(3)
 global mask0
 mask0 = np.ones(shape=[1, 6, 1], dtype='float32')

 def f1():
     mask0[0, 0, 0] = 0.
     print(1)
     return tf.multiply(x, 17)

 def f2():
     print(2)
     return tf.add(y, 23)

 test = tf.cond(pred=tf.equal(x, y), true_fn=f1, false_fn=f2)

 with tf.Session() as sess:
     print(sess.run(test))
     print(mask0)

执行结果：

 1
 2
 2018-08-01 10:25:46.443812: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
 26
 [[[0.]
   [1.]
   [1.]
   [1.]
   [1.]
   [1.]]]

 进程已结束,退出代码0

执行以上代码发现，即使判断为假，执行了f2，f1的值未返回，但f1中的语句依然执行了。最后发现，“正确”函数和“错误”函数都会在判断语句中被调用始终按照先“正确”函数，后“错误”函数的顺序执行一遍（经过将两个函数定义位置调换，测试确实如此，始终先打印“正确”函数中的字符），其中的非张量数据流不受流程控制，tensorflow的流程控制只对tensor张量有效。最后由于本人需要完成的功能，采取了在两个函数中只写张量运算的代码：

 import tensorflow as tf
 x = tf.constant(2)
 y = tf.constant(3)

 mask0 = tf.ones(shape=[1, 5, 1], dtype='float32')

 def f2():
     var0 = tf.one_hot(indices=[3], depth=5, axis=0)
     print(2)
     return var0

 def f1():
     var0 = tf.one_hot(indices=[1], depth=4, axis=0)
     print(1)
     return var0

 for h1 in range(1):
     var0 = tf.cond(pred=tf.equal(x, y), true_fn=f1, false_fn=f2)
     mask0 = mask0 - var0

 with tf.Session() as sess:
     print(sess.run(mask0))

运行结果：

 1
 2
 2018-08-01 10:44:25.417305: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
 [[[1.]
   [1.]
   [1.]
   [0.]
   [1.]]]

 进程已结束,退出代码0

注意这里tf.cond的两个函数返回数据维度不同也没有报错，经测试，当数据类型不同时会报错。普通python语句和之前一样按先“正确”后“错误”执行，tensorflow的数据流得到控制，只执行了“错误”语句。