python - 如何将参数传递给 Tensorflow 中 tf.cond 中的函数？

Question

我有以下简单的占位符:

x = tf.placeholder(tf.float32, shape=[1])
y = tf.placeholder(tf.float32, shape=[1])
z = tf.placeholder(tf.float32, shape=[1])

有两个函数fn1和fn2定义为:

def fn1(a, b): 
    return tf.mul(a, b)
def fn2(a, b): 
    return tf.add(a, b)

现在我想根据预测条件计算结果:

pred = tf.placeholder(tf.bool, shape=[1])
result = tf.cond(pred, fn1(x,y), fn2(y,z))

但它给了我一个错误，提示 fn1 and fn2 must be callable。

如何编写 fn1 和 fn2 以便它们可以在运行时接收参数？我想调用以下内容:

sess.run(result, feed_dict={x:1,y:2,z:3,pred:True})

Answer 1

您可以使用lambda 将参数传递给函数，代码如下。

x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
z = tf.placeholder(tf.float32)

def fn1(a, b):
  return tf.mul(a, b)

def fn2(a, b):
  return tf.add(a, b)

pred = tf.placeholder(tf.bool)
result = tf.cond(pred, lambda: fn1(x, y), lambda: fn2(y, z))

然后你可以这样调用它:

with tf.Session() as sess:
  print sess.run(result, feed_dict={x: 1, y: 2, z: 3, pred: True})
  # The result is 2.0