tf.cond

Возвращает true_fn() если предикат pred истинен, иначе false_fn().

tf.cond(
    pred, true_fn=None, false_fn=None, name=None
)

true_fn и false_fn оба возвращают списки тензоров вывода. true_fn и false_fn должны иметь одинаковое ненулевое количество и тип выводов.

Хотя это поведение соответствует модели потока данных TensorFlow, оно часто удивляло пользователей, ожидавших более леничной семантики. Рассмотрим следующую простую программу:

z = tf.multiply(a, b)
result = tf.cond(x < y, lambda: tf.add(x, z), lambda: tf.square(y))

Если x < y, операция tf.add будет выполнена, а операция tf.square не будет выполнена. Поскольку z необходима хотя бы для одной ветви cond, операция tf.multiply всегда выполняется безусловно.

Обратите внимание, что cond вызывает true_fn и false_fn ровно один раз (внутри вызова cond, и не вызывается во время Session.run()). cond соединяет фрагменты графа, созданные во время вызовов true_fn и false_fn, с дополнительными узлами графа, чтобы гарантировать, что выполняется правильная ветвь в зависимости от значения pred.

tf.cond поддерживает вложенные структуры, как реализовано в tensorflow.python.util.nest. Как true_fn, так и false_fn должны возвращать одинаковую (возможно, вложенную) структуру значений из списков, кортежей и/или именованных кортежей. Единственные исключения из этого правила — одиночные списки и кортежи: когда они возвращаются true_fn и/или false_fn, они неявно распаковываются до одиночных значений.

Примечание: Незаконно «непосредственно» использовать тензоры, созданные внутри ветви cond вне ее, например, храня ссылку на тензор ветви в состоянии Python. Если вам нужно использовать тензор, созданный в функции ветви, вы должны вернуть его как вывод функции ветви и использовать вывод из tf.cond вместо этого.

Пример:

x = tf.constant(2)
y = tf.constant(5)
def f1(): return tf.multiply(x, 17)
def f2(): return tf.add(y, 23)
r = tf.cond(tf.less(x, y), f1, f2)
# r is set to f1().
# Operations in f2 (e.g., tf.add) are not executed.