python - 将 bool 从 feed_dict 传递给函数不起作用

Question

我正在尝试将 feed_dict value bool 传递给函数

def sum(a, b, flag = True, msg1= "Sum", msg2= "Multiply "):

    if (flag is True):
        print(msg1)
        vtotal = tf.add(a,b)
    else:
        print(msg2)
        vtotal = tf.multiply(a,b)

    return vtotal

当我调用 sum(a,b) 函数时，使用默认值 flag = True 进行处理

但是当我将该函数调用为

sum(a, b, flag):

我从 feed_dict 中获取 flag 的值，例如

output = sess.run(total,feed_dict = {a: a_arr, b: b_arr, flag: True})

它不将值设为 True，而是执行函数的 else 部分

完整代码如下:请帮忙解释为什么会发生这种情况。

def initialize_placeholders():
    a = tf.placeholder(tf.float32,[3,None],name="a")
    b = tf.placeholder(tf.float32,[3,None],name ="b")
    flag = tf.placeholder(tf.bool, name="flag")

    return a, b, flag

def sum(a, b, flag = True, msg1= "Sum", msg2= "Multiply "):

    if (flag is True):
        print(msg1)
        vtotal = tf.add(a,b)
    else:
        print(msg2)
        vtotal = tf.multiply(a,b)

    return vtotal

def model(a_arr,b_arr):
    #print(a_arr)
    #print(b_arr)
    tf.reset_default_graph()
    a, b ,flag= initialize_placeholders()
    total = sum(a,b,flag)

    init = tf.global_variables_initializer()
    print(flag)

    with tf.Session() as sess:
        sess.run(init)
        output = sess.run(total,feed_dict = {a: a_arr, b: b_arr, flag: True})
        print(flag)
        unv = sess.run(tf.report_uninitialized_variables())
        sess.close()
    return output, unv

a_arr = np.arange(6)
a_arr = a_arr.reshape(3,2)
b_arr = np.array([2,4,6,8,10,12])
b_arr = b_arr.reshape(3,2)
output , unv = model(a_arr,b_arr)
print(output)
print(unv)

Answer 1

您不能在常规条件 Python 语句中使用 TensorFlow 值(除非您使用类似 AutoGraph 的内容)。你可以用 tf.cond 做你想做的事像这样:

def sum(a, b, flag=True):
    flag = tf.convert_to_tensor(flag)
    return tf.cond(flag, lambda: tf.add(a, b), lambda: tf.multiply(a, b))

您还可以使其变得更复杂一点，以保存 tf.cond当flag的值预先固定时进行操作。例如，您可以有这样的内容:

def sum(a, b, flag = True, msg1= "Sum", msg2= "Multiply "):
    true_fn = lambda: tf.add(a, b)
    false_fn = lambda: tf.multiply(a, b)
    if flag is True:
        return true_fn()
    elif flag is False:
        return false_fn()
    else:  # Use TensorFlow conditional
        flag = tf.convert_to_tensor(flag)
        return tf.cond(flag, true_fn, false_fn)

我删除了 print 指令，因为它们不能直接在 TensorFlow 条件中使用，但您仍然可以拥有 tf.print如果您想在执行图形时查看打印的消息，请执行以下操作。