Python Tensorflow：在丢失操作中使用tf.cond的问题

我试图在培训阶段使用加权损失，但在验证阶段不使用加权损失。我的想法是使用

tf.cond

和一个占位符

is\u training

，我将用

feed\u dict

输入它（对或错）

当我单独对错误进行测试时，它会工作，但只要我使用

tf.cond

我就会得到：

tensorflow.python.framework.errors_impl.InvalidArgumentError: The tensor returned for train_op:0 was not valid.

loss

操作在培训期间使用如下（在验证期间，它仅由

sess.run（）

调用）： 正则化损失被添加到

tf.集合中

，所有损失都被添加。然后：

gradients = optimizer.compute_gradients(total_loss, variables_to_train)
grad_updates = optimizer.apply_gradients(gradients,global_step=global_step)

如何使用tensorflow控制流

---

编辑：

tensorflow gpu 1.0.1

我在权重张量上使用了

tf.cond

，效果很好。然而，我仍然感兴趣的是，为什么上面的方法不起作用，我在权重张量上使用了

tf.cond

，这是有效的。然而，我仍然对上述方法不起作用的原因感兴趣

gradients = optimizer.compute_gradients(total_loss, variables_to_train)
grad_updates = optimizer.apply_gradients(gradients,global_step=global_step)