Tensorflow Retval[0]没有值：tf.cond（条件，net1，net2）

我试图使用

tf.cond（）

根据一个条件创建两个不同的图形。在这两个图上，我们都希望有权重正则化损失，因此我们使用

tf.loss.get\u regulation\u loss（）

。这是我们项目的伪代码

 def net_1(x,y):
  statement 1 (has trainable params)
  statement 2 (has trainable params)
  return

如果我们保留

tf.loss.get\u regularization\u loss（）

我们会得到错误：

Retval[0]没有值

否则，就没有错误

---

如果我们想施加

tf.loss.get\u regulation\u loss（）

，

tf.cond（）有什么特别的注意事项吗？同样的问题，我通过用两个类似的函数替换tf.cond（与正则化相关）来修复它…现在找不到更好的解决方案。
在伪代码中，您只需调用return。是否返回值？看一看文档中的。完全相同的问题在这里也试图根据步骤使用不同的损失。即使返回张量，它也不起作用。作品中的玩具例子。下面的答案是错误的。Doc明确指出tf.cond使用函数而不是张量。作为一种解决方法，它通过预先创建张量并为张量提供lambda来工作，但这意味着张量一直都在创建。我不知道如何解决这个问题。您使用的是哪个TensorFlow版本？
def net_2(x,y):
 statement 1 (has trainable params)
 statement 2 (has trainable params)
 statement 3 (has trainable params)
 return

step = tf.get_or_create_global_step()


tf.cond(tf.greater(step, 100), net_1, net_2)
loss = 0.0
loss += tf.losses.get_regularization_loss()