Python Tensorflow tf.cond遇到错误：TypeError:无法转换类型为<；的对象；类别'；功能'&燃气轮机；到张量

下面是一个最小的测试用例，我在其中创建了一个变量

v

，我想将其初始化为777（对于简化的测试用例）

注意：我不能用普通的初始值设定项初始化

v

，因为它依赖于跨所有变量计算的标准化常数（其中一些变量在创建

v

时尚未创建）

我的解决方案（如下）是创建一个布尔变量

full_init_cond

，一旦我运行了一次初始化/分配操作，我就会将该变量设置为True，并使用

tf.cond

确保它们只运行一次

import tensorflow as tf

v = tf.Variable(0, trainable=False)
full_init_cond = tf.Variable(False, trainable=False, dtype=tf.bool)

with tf.control_dependencies([v]):
  tf.cond(
    full_init_cond,
    true_fn=lambda: [tf.no_op],
    false_fn=lambda: [tf.assign(v, 777), tf.assign(full_init_cond, True)]
  )

我在

tf.cond

行上收到以下错误：

TypeError: Failed to convert object of type <class 'function'> to Tensor. Contents: <function no_op at 0x7f39abf51400>. Consider casting elements to a supported type.

虽然这一次失败了：

tf.cond(full_init_cond, lambda: tf.no_op, lambda: tf.no_op)

我的困惑还在继续。。。

---

顺便说一句，Tensorflow 1.5版。

结果是它不喜欢

tf.no_op

语句

tf.cond

要求返回相同数量和类型的操作，无论是true还是false条件。因此，我用

tf.identity

操作代替了

tf.no_op

操作，作为no_op的适当替代：

import tensorflow as tf

v = tf.Variable(0, trainable=False)
full_init_cond = tf.Variable(False, trainable=False, dtype=tf.bool)

with tf.control_dependencies([v]):
  x = tf.cond(
    full_init_cond,
    true_fn=lambda: [tf.identity(v), tf.identity(full_init_cond)],
    false_fn=lambda: [tf.assign(v, 777), tf.assign(full_init_cond, True)]
  )

print(x)

---

lambda:tf.no_op

不起作用，因为您正在传递一个返回函数的函数

tf.group

是必需的，以便结构在列表和no_-op返回之间匹配

下面的代码段在TF1.11中运行

import tensorflow as tf

v = tf.Variable(0, trainable=False)
full_init_cond = tf.Variable(False, trainable=False, dtype=tf.bool)

with tf.control_dependencies([v]):
  tf.cond(
    full_init_cond,
    true_fn=tf.no_op,
    false_fn=lambda: tf.group([tf.assign(v, 777), tf.assign(full_init_cond, True)])
  )

import tensorflow as tf

v = tf.Variable(0, trainable=False)
full_init_cond = tf.Variable(False, trainable=False, dtype=tf.bool)

with tf.control_dependencies([v]):
  tf.cond(
    full_init_cond,
    true_fn=tf.no_op,
    false_fn=lambda: tf.group([tf.assign(v, 777), tf.assign(full_init_cond, True)])
  )