tensorflow - TensorFlow 中的条件执行

Question

如何根据条件选择执行图表的一部分？

我的网络有一部分只有在 feed_dict 中提供占位符值时才会执行.如果未提供该值，则采用备用路径。我该如何使用 tensorflow 来实现它？

以下是我的代码的相关部分:

sess.run(accuracy, feed_dict={inputs: mnist.test.images, outputs: mnist.test.labels})

N = tf.shape(outputs)
    cost = 0
    if N > 0:
        y_N = tf.slice(h_c, [0, 0], N)
        cross_entropy = tf.nn.softmax_cross_entropy_with_logits(y_N, outputs, name='xentropy')
        cost = tf.reduce_mean(cross_entropy, name='xentropy_mean')

在上面的代码中，我正在寻找可以用来代替 if N > 0: 的东西。

Answer 1

人力资源管理系统。您想要的可能是 tf.control_flow_ops.cond()
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/control_flow_ops.py#L597

但这并没有导出到 tf 命名空间中，我在回答时没有检查这个接口(interface)的保证稳定性如何，但它用于已发布的模型中，所以去吧。 :)

但是:因为您实际上在构建 feed_dict 时事先知道您想要什么路径，所以您也可以采用不同的方法通过模型调用单独的路径。执行此操作的标准方法是，例如，设置如下代码:

def model(input, n_greater_than):
  ... cleverness ...
  if n_greater_than:
     ... other cleverness...
  return tf.reduce_mean(input)


out1 = model(input, True)
out2 = model(input, False)

然后根据您在即将运行计算并设置 feed_dict 时所知道的内容来拉出 out1 或 out2 节点。请记住，默认情况下，如果模型引用相同的变量(在 model() 函数之外创建它们)，那么您基本上将有两条单独的路径通过。

您可以在卷积 mnist 示例中看到一个示例: https://github.com/tensorflow/tensorflow/blob/master/tensorflow/models/image/mnist/convolutional.py#L165

如果可以的话，我很喜欢在不引入控制流依赖项的情况下这样做。