tensorflow: vérifier si un scalaire booléen tenseur est Vrai

Je veux contrôler l'exécution d'une fonction à l'aide d'un espace réservé, mais reçois un message d'erreur "à l'Aide d'un tf.Tenseur comme un Python bool n'est pas autorisé". Voici le code qui génère cette erreur:

import tensorflow as tf
def foo(c):
  if c:
    print('This is true')
    #heavy code here
    return 10
  else:
    print('This is false')
    #different code here
    return 0

a = tf.placeholder(tf.bool)  #placeholder for a single boolean value
b = foo(a)
sess = tf.InteractiveSession()
res = sess.run(b, feed_dict = {a: True})
sess.close()

J'ai changé if c à if c is not None sans chance. Comment puis-je contrôler foo en tournant sur et hors de l'espace réservé a alors?

Mise à jour: comme @nessuno et @nemo point, nous devons utiliser tf.cond au lieu de if..else. La réponse à ma question est de re-conception de ma fonction comme ceci:

import tensorflow as tf
def foo(c):
  return tf.cond(c, func1, func2)

a = tf.placeholder(tf.bool)  #placeholder for a single boolean value
b = foo(a)
sess = tf.InteractiveSession()
res = sess.run(b, feed_dict = {a: True})
sess.close()
InformationsquelleAutor Tu Bui | 2017-04-06
  1. 6

    Vous devez utiliser tf.cond de définir une condition de fonctionnement à l'intérieur du graphique et le changement, ainsi, le débit de la tenseurs.

    import tensorflow as tf

a = tf.placeholder(tf.bool)  #placeholder for a single boolean value
b = tf.cond(tf.equal(a, tf.constant(True)), lambda: tf.constant(10), lambda: tf.constant(0))
sess = tf.InteractiveSession()
res = sess.run(b, feed_dict = {a: True})
sess.close()
print(res)

    10

    • le foo fonction est très compliqué dans la pratique. Je veux juste changer certaines opérations dans cette fonction en tournant a on/off. Comment puis-je garder le foo fonction? Je soupçonne que le problème est de soit {a: True} ou if c:
    • Vous avez juste à définir les deux fonctions différentes à exécuter lorsque la condition est évaluée. La seule limitation est que les deux doivent retourner le même nombre et le type de valeurs. Ainsi, au lieu de les lambdas, vous pouvez vous définir vos propres fonctions et les utiliser
    InformationsquelleAutor nessuno
  2. 1

    L'exécution réelle n'est pas fait en Python, mais dans le TensorFlow backend qui vous offre avec le calcul graphique, il est censé exécuter. Cela signifie que chaque état et le contrôle de flux que vous souhaitez appliquer doit être formulé comme un nœud dans le graphe.

    Pour if conditions, il est le dir opération: 

    b = tf.cond(c, 
           lambda: tf.constant(10), 
           lambda: tf.constant(0))
    InformationsquelleAutor nemo
  3. 0

    Un moyen plus simple de régler ce problème: 

    In [50]: a = tf.placeholder(tf.bool)                                                                                                                                                                                 

In [51]: is_true = tf.count_nonzero([a])                                                                                                                                                                             

In [52]: sess.run(is_true, {a: True})                                                                                                                                                                                
Out[52]: 1

In [53]: sess.run(is_true, {a: False})
Out[53]: 0
    InformationsquelleAutor Lerner Zhang