Machine learning 张量流：创建和计算图形时传递布尔变量

我想传递一个布尔值，当我计算图形时，它可以改变。我在下面发布我的代码：

import tensorflow as tf
from tensorflow.python.ops import control_flow_ops

def my_model(input, is_freeze):
      trainable = tf.cond(is_freeze, lambda: tf.constant(False), 
                          lambda: tf.constant(True))   #Try 3
      #trainable = tf.cond(is_freeze, lambda: False, lambda: True) # Try 1
      #trainable = tf.logical_not(is_freeze)  # Try 2
      fc1_W = tf.get_variable('fc1_W', trainable = trainable, 
                              initializer = tf.zeros(100, 2))
      fc1 = tf.matmul(input, fc1_W)
      return fc1

tf.reset_default_graph()
X = tf.placeholder(tf.float32)     
is_freeze = tf.placeholder(tf.bool)
my_model_graph = my_model(X, is_freeze)  # Getting error while creating model

with tf.Session() as sess:
      sess.run(tf.global_variables_initializer())
      sess.run(my_optimizer, feed_dict = {is_freeze: False, X: np.zeros((50, 100))})

我得到的错误如下所示：For

#Try1

AttributeError: 'bool' object has no attribute 'name'

对于

#Try3

：

TypeError: Using a tf.Tensor as a Python bool is not allowed.
Use if t is not None: instead of if t: to test if a tensor is defined,
and use TensorFlow ops such as tf.cond to execute subgraphs conditioned on 
the value of a tensor.`

请有人给我解释一下我该如何克服这个问题。如果可能的话，有人能告诉我我所有的方法都错在哪里吗

基本上我做的是我有两个模型。首先我训练其中一个模型，然后使用第一个模型的学习值，我必须训练第二个模型冻结第一个模型的值

---

提前感谢。

您不能只在“图形”中使用

True

和

False

——您需要将它们从

python

传递到

tensorflow

，一种方法是使用

tf.constant（）

。你可以试试

def my_model(input, is_freeze):
    trainable = tf.cond(is_freeze, lambda: tf.constant(False), lambda: tf.constant(True))

---

否则我看没问题！如果您需要更详细的帮助，请提供一个最小的工作示例

似乎您正试图在tensorflow图中嵌入推理/逻辑开关。这样做是不可取的。请查看新界面，了解如何实现完全相同的目标。

我已经尝试过您的方法。但它不起作用。我现在已经提供了完整的代码。请检查一下。另外，在示例中，似乎没有名为

condtf

的库。请你检查一下。你能建议现在如何克服这个问题吗？我现在已经提供了完整的代码。我是否仍应使用

估计器

？我将研究它们，但在此期间，您能否给出一个与我的示例相关的小代码示例。这将非常有帮助。您是否可以通过将所有节点绘制到图形中，但仅返回部分结果来实现它，从而仅通过正确的路径运行图形的一部分？