Python Tensorflow：如果我的cond不是while循环中的tf.cond中的标量怎么办？

在tensorflow的

tf.cond

中，

cond

必须是一个标量，但在我的例子中，

cond

需要是具有形状[batch\u size]的秩1。有什么办法解决这个问题吗？tensorflow是否提供了解决方案

import tensorflow as tf
seq_len = 10
while_length = 10
batch_size = 4

output_ta = tf.TensorArray(
        dtype=tf.int32,
        size=seq_len,
        tensor_array_name='example_1')

cond_tensor = tf.constant([3, 4, 5, 6])


def _step(time, arrays):
    time_tensor = tf.tile(tf.expand_dims(time, -1), multiples=[batch_size])
    arrays = arrays

    def _true_function():
        return tf.constant([1] * seq_len)

    def _false_function():
        return tf.constant([0] * seq_len)

    bool_cond = tf.less(time_tensor, cond_tensor)
    arrays_write = tf.cond(bool_cond, true_fn=_true_function, false_fn=_false_function)
    arrays = arrays.write(time, arrays_write)
    return time + 1, arrays


trace_time, outputs_tensor_arrays = tf.while_loop(
        cond=lambda time, *_: time < while_length,
        body=_step,
        loop_vars=[0, output_ta],
        parallel_iterations=32,
        swap_memory=True)

axes = [1, 0]
output = tf.transpose(outputs_tensor_arrays, axes)

with tf.Session() as sess:
    sess.run(output)

将tensorflow导入为tf
序号=10
而_长度=10
批量大小=4
输出=tf.TensorArray(
dtype=tf.int32，
尺寸=序号，
张量（数组）
条件张量=tf.常数（[3,4,5,6]）
定义步骤（时间、阵列）：
时间张量=tf.tile（tf.expand\u dims（时间，-1），倍数=[batch\u size]）
数组=数组
def_true_函数（）：
返回tf.常量（[1]*序号）
def _false_函数（）：
返回tf.常量（[0]*序号）
布尔条件=tf.less（时间张量，条件张量）
数组\u write=tf.cond（bool\u cond，true\u fn=\u true\u函数，false\u fn=\u false\u函数）
数组=数组.写入（时间，数组\写入）
返回时间+1，数组
跟踪时间，输出张量数组=tf.while\u循环(
cond=λ时间，*u3;：时间<而长度，
正文=_步，
循环变量=[0，输出变量]，
并行_迭代=32，
交换（内存=真）
轴=[1,0]
输出=转置（输出张量数组、轴）
使用tf.Session（）作为sess：
sess.run（输出）
我意识到的一个潜在解决方案是
tf。其中
：

import tensorflow as tf

seq_len = 10
batch_size = 4

output_ta = tf.TensorArray(
    dtype=tf.float32,
    size=seq_len,
    tensor_array_name='example_1')

cond_tensor = tf.constant([3, 4, 5, 6])

t1 = tf.ones(shape=[batch_size, seq_len])
t2 = tf.zeros(shape=[batch_size, seq_len])


def _step(time, arrays):
    time_tensor = tf.tile(tf.expand_dims(time, -1), multiples=[batch_size])
    # arrays = arrays

    bool_cond = tf.less(time_tensor, cond_tensor)
    output_array = tf.where(bool_cond, t1, t2)
    # arrays_write = tf.cond(bool_cond, true_fn=_true_function, false_fn=_false_function)
    arrays = arrays.write(time, output_array)
    return time + 1, arrays


trace_time, outputs_tensor_arrays = tf.while_loop(
    cond=lambda time, *_: time < seq_len,
    body=_step,
    loop_vars=[0, output_ta],
    parallel_iterations=32,
    swap_memory=True)

axes = [1, 0, 2]
output = outputs_tensor_arrays.stack()
output = tf.transpose(output, axes)

with tf.Session() as sess:
    r_output = sess.run(output)

将tensorflow导入为tf
序号=10
批量大小=4
输出=tf.TensorArray(
dtype=tf.32，
尺寸=序号，
张量（数组）
条件张量=tf.常数（[3,4,5,6]）
t1=tf.ones（形状=[批次大小，顺序]）
t2=tf.零（形状=[批次大小，顺序]）
定义步骤（时间、阵列）：
时间张量=tf.tile（tf.expand\u dims（时间，-1），倍数=[batch\u size]）
#数组=数组
布尔条件=tf.less（时间张量，条件张量）
输出数组=tf.where（bool_cond，t1，t2）
#数组\u write=tf.cond（bool\u cond，true\u fn=\u true\u函数，false\u fn=\u false\u函数）
数组=数组。写入（时间、输出\数组）
返回时间+1，数组
跟踪时间，输出张量数组=tf.while\u循环(
cond=λ时间，*.:time