Quelle est la différence entre les tf.cond et if-else?

Quelle est la différence entre les tf.cond et if-else?

Scénario 1

import tensorflow as tf

x = 'x'
y = tf.cond(tf.equal(x, 'x'), lambda: 1, lambda: 0)
with tf.Session() as sess:
    print(sess.run(y))
x = 'y'
with tf.Session() as sess:
    print(sess.run(y))

Scénario 2

import tensorflow as tf

x = tf.Variable('x')
y = tf.cond(tf.equal(x, 'x'), lambda: 1, lambda: 0)
init = tf.global_variables_initializer()
with tf.Session() as sess:
    init.run()
    print(sess.run(y))

tf.assign(x, 'y')
with tf.Session() as sess:
    init.run()
    print(sess.run(y))

Les sorties sont à la fois 1.

Signifie-t-il seulement tf.espace réservé peut travailler, et non pas tout le tenseur, comme la tf.variable? Quand dois-je choisir si-de la condition else et quand utiliser tf.cond? Quelles sont les diffences entre eux?

Votre erreur dans le code est le suivant: tf,assign(x, 'y') il suffit de créer l'opération d'affectation, mais encore vous avez besoin pour exécuter cette opération, de sorte que vous attribue un " y " à x. Donc, vous essayez quelque chose comme ça: ass_op = tf.assign(x, 'y') Puis sous tf.Session(), vous devez ajouter: sess.run(ass_op) Que c'est quand vous allez imprimer 0.

OriginalL'auteur gaussclb | 2017-08-05

  1. 26

    tf.cond est évaluée au moment de l'exécution, alors que if-else est évaluée au graphique du temps de construction.

    Si vous souhaitez évaluer votre état de santé en fonction de la valeur du tenseur lors de l'exécution, tf.cond est la meilleure option.

    Voulez-vous dire si la condition dépend au graphique de la construction, si lors de l'exécution de la variation de l'état, mais il n'ont pas d'effet sur si le bloc, parce qu'il est déterminé au graphique du temps de construction.
    c'est exactement ce que je voulais dire.
    Regardez-le de ma mise à jour. Signifie-t-il x doivent être tenseur, sinon tf.cond peut pas travailler?
    Oui x doit être un tenseur; vous pouvez aussi utiliser un espace réservé pour nourrir la valeur
    J'essaie d'utiliser tf.variable, mais a échoué. Regarder la mise à jour. Il est incroyable. J'ai entendu quelqu'un utiliser tf.variable, is_training de distinguer la formation ou la phase de test, et de changer la condition de dropout. Mais j'essaie, tf.la variable ne peut pas travailler.

    OriginalL'auteur Ishant Mrinal

  2. 1

    Vouliez-vous dire if ... else en Python vs tf.cond?

    Vous pouvez utiliser if ... else pour la création graphique pour différentes conditions extérieures. Par exemple vous pouvez faire un script python pour les graphes avec 1, 2, 3 couches cachées, et utiliser les paramètres de ligne de commande pour choisir lequel utiliser.

    tf.cond est pour ajouter condition bloc pour le graphique. Par exemple, vous pouvez définir Huber fonction par le code comme ceci:

    import tensorflow as tf
delta = tf.constant(1.)
x = tf.placeholder(tf.float32, shape=())

def left(x):
    return tf.multiply(x, x) /2.
def right(x):
    return tf.multiply(delta, tf.abs(x) - delta /2.)

hubber = tf.cond(tf.abs(x) <= delta,  lambda: left(x),  lambda: right(x))

    de calcul et de Graphique va par branche différente pour les différentes données d'entrée.

    sess = tf.Session()
with sess.as_default():
    sess.run(tf.global_variables_initializer())
    print(sess.run(hubber, feed_dict = {x: 0.5}))
    print(sess.run(hubber, feed_dict = {x: 1.0}))
    print(sess.run(hubber, feed_dict = {x: 2.0}))

> 0.125
> 0.5
> 1.5
    Puis-je utiliser si-d'autre pour la remplacer tf.cond. Puis-je utiliser si tf.abs(x)<=delta: huber=left(x); else: huber=droite(x). Est-il le même?
    Non, vous ne pouvez pas utiliser if ... else pour ajouter une condition de bloquer le graphique.
    Pas de. Ce n'est pas la même, et ça ne fonctionne pas. Vous devez d'abord créer graphique et lorsque lancer calcul. Mais vous avez essayé de créer graphique et de calculer en même temps.
    si j'utilise la variable python à la place de la tf.espace réservé à propos de x, et au moment de l'exécution, je change la valeur de x, sera tf.cond juge condition encore?
    Si vous ne voulez pas utiliser de TF, vous pouvez faire la même calcul sans elle et ne l'utilisez que Python.

    OriginalL'auteur Vladimir Bystricky

  3. 0

    Depuis le graphe de la TensorFlow est statique, vous ne pouvez pas le modifier une fois construit. Ainsi, vous pouvez utiliser des if-else à l'extérieur du graphique à tout moment, par exemple lors de la préparation des lots et etc., mais vous pouvez également l'utiliser lors de la construction du graphique. Qui est, si la condition ne dépend pas de la valeur de n'importe quel tenseur, par exemple la dimention(fixe) du tenseur ou à la forme de tout tenseur. Dans de tels scénarios, le graphique ne sera pas modifiée du fait de la condition, tandis que la excuting le graphique. Le graphique a été résolu après avoir fini de dessiner le graphe et le si-d'autre condition ne serait pas affecter le graphique tout en excuting le graphique.

    Mais si la condition dépend de la valeur du tenseur en ce que la condition doit être inclus dans le graphique et donc la tf.cond doit être appliquée.

    OriginalL'auteur Lerner Zhang

  4. 0

    Il suffit de mettre: if else est de savoir comment vous faire basculer dans Python, tandis que tf.cond est de savoir comment vous faire basculer dans Tensorflow. Pendant la course, if else est fixée à la compilation des Python programme, tandis que tf.cond est résolu dans le construit Tensorflow graphique.

    Vous pouvez penser tf.cond comme le Tensorflowinternes façon de faire if else.

    OriginalL'auteur