如何在TensorFlow图中添加条件？

Question

比方说，我有以下代码：

x = tf.placeholder("float32", shape=[None, ins_size**2*3], name = "x_input") 
condition = tf.placeholder("int32", shape=[1, 1], name = "condition") 
W = tf.Variable(tf.zeros([ins_size**2*3,label_option]), name = "weights") 
b = tf.Variable(tf.zeros([label_option]), name = "bias") 

if condition > 0: 
    y = tf.nn.softmax(tf.matmul(x, W) + b) 
else: 
    y = tf.nn.softmax(tf.matmul(x, W) - b) 

将在计算if声明的工作（我不这么认为）？如果不是，我怎样才能将一个if语句添加到TensorFlow计算图中？

Answer 1

由于条件是在图构建时评估的，因此您确定if语句在此处不起作用，而假设您希望条件取决于在运行时向该占位符提供的值。 （事实上​​，它将始终以第一分支，因为condition > 0计算结果为Tensor，这是"truthy" in Python。）

为了支持条件的控制流程，TensorFlow提供tf.cond()操作者，其评估两个中的一个分支，这取决于一个布尔条件。为了向你展示如何使用它，我会重写你的程序，以便condition是简单的标tf.int32值：

x = tf.placeholder(tf.float32, shape=[None, ins_size**2*3], name="x_input") 
condition = tf.placeholder(tf.int32, shape=[], name="condition") 
W = tf.Variable(tf.zeros([ins_size**2 * 3, label_option]), name="weights") 
b = tf.Variable(tf.zeros([label_option]), name="bias") 

y = tf.cond(condition > 0, lambda: tf.matmul(x, W) + b, lambda: tf.matmul(x, W) - b)