Python tf.reduce_max在比较中不一致

给定项目列表/张量，我想检查整个列表的最大项目是否与列表特定部分的最大项目相同：

将tensorflow导入为tf
a=tf.get_变量（'a'，（10100））
b=tf.取消堆叠（a，轴=1）
c=tf.reduce_max（b[0]）
d=tf.reduce_max（b[0]）
如果c==d：
c=tf.one（（1100））
sess=tf.Session（）
sess.run（tf.global\u variables\u initializer（））
sess.run（[c，d]）

在上面的示例中，

c

和

d

应该是相同的，但是，当您运行模型时，它不满足将变量

c

重新设置为一个向量的条件。这只是一个例子，表明这些类型的比较似乎是错误的。你知道正确的方法是什么吗

在上面的例子中，c和d应该是相同的

不，你在这里要小心

c

和

d

在计算图中是不同的运算。将它们与

==

进行比较是毫无意义的，它们总是不同的对象。您真正需要的是确定张量值在元素方面是否相同，并在计算图中组织一个

if

语句。它看起来像这样：

result = tf.cond(tf.equal(c, d), lambda: tf.ones((1, 100)), lambda: tf.zeros((1, 100)))

---

另外，请注意，重新分配一个指向op的python变量（

c

，在本例中）不会改变图中的op。

以跟进Maxim。[Here][1]是一个关于如何在tensorflow中创建条件的stackoverflow线程。[1]: