TensorFlow中的条件执行

如何根据条件选择执行图形的一部分

我的网络中有一部分只有在

feed\u dict

中提供占位符值时才能执行。如果未提供该值，则采用备用路径。我如何使用tensorflow来实现这一点

以下是我的代码的相关部分：

sess.run(accuracy, feed_dict={inputs: mnist.test.images, outputs: mnist.test.labels})

N = tf.shape(outputs)
    cost = 0
    if N > 0:
        y_N = tf.slice(h_c, [0, 0], N)
        cross_entropy = tf.nn.softmax_cross_entropy_with_logits(y_N, outputs, name='xentropy')
        cost = tf.reduce_mean(cross_entropy, name='xentropy_mean')

---

在上面的代码中，我正在寻找一些东西来代替

if N>0:

这里有一个简单的例子，可以让您开始学习。它根据张量的形状执行图形的不同部分：

import tensorflow as tf

a = tf.Variable([[3.0, 3.0], [3.0, 3.0]])
b = tf.Variable([[1.0, 1.0], [2.0, 2.0]])
l = tf.shape(a)

add_op, sub_op = tf.add(a, b), tf.sub(a, b)

sess = tf.Session()
init = tf.initialize_all_variables()
sess.run(init)
t = sess.run(l)

print sess.run(sub_op if t[0] == 3 else add_op)

sess.close()

---

将3改为2，看看如何减去张量。如您所见，我启动了

add

和

sub

和

shape

的节点，然后在图中检查形状并运行特定部分。

Hrm。可能您需要的是tf.control\u flow\u ops.cond（）

但这并没有导出到tf名称空间中，我在回答时没有检查这个接口的稳定性，但它在已发布的模型中使用，所以请使用它。：）

但是：由于在构建提要时实际上预先知道了所需的路径，因此也可以采用不同的方法通过模型调用单独的路径。执行此操作的标准方法是，例如，设置如下代码：

def model(input, n_greater_than):
  ... cleverness ...
  if n_greater_than:
     ... other cleverness...
  return tf.reduce_mean(input)


out1 = model(input, True)
out2 = model(input, False)

然后根据您将要运行计算时知道的情况，拉出out1或out2节点并设置提要。请记住，默认情况下，如果模型引用相同的变量（在model（）funct之外创建它们），则基本上会有两条单独的路径通过

您可以在卷积mnist示例中看到此示例：

如果可以的话，我喜欢这样做，而不引入控制流依赖项