tf.compat.v1.assert_greater

Утверждается, что условие x > y выполняется поэлементно.

tf.compat.v1.assert_greater(
    x, y, data=None, summarize=None, message=None, name=None
)

tf.compat.v1.assert_greater совместим с немедленным выполнением и tf.function. При миграции на TF2 используйте tf.debugging.assert_greater. Помимо data, все аргументы поддерживаются с тем же именем аргумента.

Если вы хотите убедиться, что утверждения проверки выполняются до потенциально недопустимых вычислений, используйте tf.control_dependencies, так как автоматические зависимости управления tf.function недостаточны для утверждений проверки.

Структурное отображение на собственный TF2

До:

tf.compat.v1.assert_greater(
  x=x, y=y, data=data, summarize=summarize,
  message=message, name=name)

После:

tf.debugging.assert_greater(
  x=x, y=y, message=message,
  summarize=summarize, name=name)

Пример использования TF1 и TF2

TF1:

g = tf.Graph()
with g.as_default():
  a = tf.compat.v1.placeholder(tf.float32, [2])
  b = tf.compat.v1.placeholder(tf.float32, [2])
  result = tf.compat.v1.assert_greater(a, b,
    message='"a > b" does not hold for the given inputs')
  with tf.compat.v1.control_dependencies([result]):
    sum_node = a + b
sess = tf.compat.v1.Session(graph=g)
val = sess.run(sum_node, feed_dict={a: [1, 2], b:[0, 1]})

TF2:

a = tf.Variable([1, 2], dtype=tf.float32)
b = tf.Variable([0, 1], dtype=tf.float32)
assert_op = tf.debugging.assert_greater(a, b, message=
  '"a > b" does not hold for the given inputs')
# When working with tf.control_dependencies
with tf.control_dependencies([assert_op]):
  val = a + b

Описание

Это условие выполняется, если для каждой пары (возможно, транслируемых) элементов x[i], y[i], у нас есть x[i] > y[i]. Если оба x и y пустые, это условие выполняется тривиально.

При выполнении в режиме графа вы должны добавить зависимость от этой операции, чтобы убедиться, что она выполняется. Пример добавления зависимости к операции:

with tf.control_dependencies([tf.compat.v1.assert_greater(x, y)]):
  output = tf.reduce_sum(x)