Python 使用tf.cond（）时，Tensorflow要求输入不必要的占位符

考虑以下代码片段，其中包括tensorflow

tf.cond（）

在这两种情况下，

bb

为

False

，

zz

的计算理论上不依赖于

xx

，但tensorflow仍然需要输入

xx

。尽管它可以作为虚拟数组提供，但它必须与

yy

的形状相匹配，并且不像

dict2

那样干净

---

有谁能建议如何在不为

xx

提供值的情况下计算

zz

（使用

tf.cond（）

或任何其他方法）？

您可以将

xx

定义为

tf.Variable

，并给它一个默认值（只要

xx

没有输入另一个值，就会使用该值）。需要注意的几件事：

虽然

xx

不是占位符，但您仍然可以通过

feed\u dict

将值输入到占位符中，从而将其视为占位符

使用

validate\u shape=False

以便可以将任何形状输入

xx

使用

trainable=False

，使

xx

未被优化（否则，优化器可能会将其默认值更改为

Nan

，这可能会导致问题）

不要忘记初始化

xx

的值，例如使用

tf.global\u variables\u initializer（）

代码如下：

import tensorflow as tf
import numpy as np

bb = tf.placeholder(tf.bool)
xx = tf.Variable(initial_value=0.0,validate_shape=False,trainable=False,name='xx')
yy = tf.placeholder(tf.float32, name='yy')

zz = tf.cond(bb, lambda: xx + yy, lambda: 100 + yy)

with tf.Session() as sess:
   sess.run(tf.global_variables_initializer())
   dict1 = {bb:False, yy:np.array([1., 3, 4]), xx:np.array([5., 6, 7])}
   print(sess.run(zz, feed_dict=dict1))
   dict2 = {bb:False, yy:np.array([1., 3, 4])}
   print(sess.run(zz, feed_dict=dict2))

import tensorflow as tf
import numpy as np

bb = tf.placeholder(tf.bool)
xx = tf.Variable(initial_value=0.0,validate_shape=False,trainable=False,name='xx')
yy = tf.placeholder(tf.float32, name='yy')

zz = tf.cond(bb, lambda: xx + yy, lambda: 100 + yy)

with tf.Session() as sess:
   sess.run(tf.global_variables_initializer())
   dict1 = {bb:False, yy:np.array([1., 3, 4]), xx:np.array([5., 6, 7])}
   print(sess.run(zz, feed_dict=dict1))
   dict2 = {bb:False, yy:np.array([1., 3, 4])}
   print(sess.run(zz, feed_dict=dict2))