tf.compat.v1.cond

Возвращает true_fn() если предикат pred истинный, иначе false_fn(). (устаревшие аргументы)

tf.compat.v1.cond(
    pred,
    true_fn=None,
    false_fn=None,
    strict=False,
    name=None,
    fn1=None,
    fn2=None
)

true_fn и false_fn оба возвращают списки выходных тензоров. true_fn и false_fn должны иметь одинаковое ненулевое количество и тип выходных данных.

Хотя это поведение согласуется с моделью потока данных TensorFlow, оно часто удивляло пользователей, ожидавших более ленивой 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 по крайней мере для одной ветви cond, операция tf.multiply всегда выполняется безусловно.

Обратите внимание, что вызовы cond и false_fn выполняются точно один раз (внутри вызова cond, и никак не во время Session.run()). cond склеивает фрагменты графов, созданные во время вызовов true_fn и false_fn, с дополнительными узлами графа, чтобы гарантировать, что выполнится правильная ветвь в зависимости от значения pred.

tf.cond поддерживает вложенные структуры, как реализовано в tensorflow.python.util.nest. И true_fn, и false_fn должны возвращать одинаковую (возможно, вложенную) структуру значений списков, кортежей и/или именованных кортежей. Единственными исключениями являются одиночные списки и кортежи: когда они возвращаются true_fn и/или false_fn, они неявно распаковываются до одиночных значений. Это поведение отключено при передаче strict=True.

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.