关于tf.cond函数中“正确”与“错误”函数中的普通python语句始终执行的问题

import tensorflow as tf
import numpy as np
x = tf.constant(2)
y = tf.constant(3)
global mask0
mask0 = np.ones(shape=[1, 6, 1], dtype='float32')


def f1():
    mask0[0, 0, 0] = 0.
    print(1)
    return tf.multiply(x, 17)


def f2():
    print(2)
    return tf.add(y, 23)


test = tf.cond(pred=tf.equal(x, y), true_fn=f1, false_fn=f2)

with tf.Session() as sess:
    print(sess.run(test))
    print(mask0)

执行结果：

1
2
2018-08-01 10:25:46.443812: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
26
[[[0.]
  [1.]
  [1.]
  [1.]
  [1.]
  [1.]]]

进程已结束,退出代码0

执行以上代码发现，即使判断为假，执行了f2，f1的值未返回，但f1中的语句依然执行了。最后发现，“正确”函数和“错误”函数都会在判断语句中被调用始终按照先“正确”函数，后“错误”函数的顺序执行一遍（经过将两个函数定义位置调换，测试确实如此，始终先打印“正确”函数中的字符），其中的非张量数据流不受流程控制，tensorflow的流程控制只对tensor张量有效。最后由于本人需要完成的功能，采取了在两个函数中只写张量运算的代码：

import tensorflow as tf
x = tf.constant(2)
y = tf.constant(3)

mask0 = tf.ones(shape=[1, 5, 1], dtype='float32')


def f2():
    var0 = tf.one_hot(indices=[3], depth=5, axis=0)
    print(2)
    return var0


def f1():
    var0 = tf.one_hot(indices=[1], depth=4, axis=0)
    print(1)
    return var0

for h1 in range(1):
    var0 = tf.cond(pred=tf.equal(x, y), true_fn=f1, false_fn=f2)
    mask0 = mask0 - var0

with tf.Session() as sess:
    print(sess.run(mask0))

运行结果：

1
2
2018-08-01 10:44:25.417305: I T:\src\github\tensorflow\tensorflow\core\platform\cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
[[[1.]
  [1.]
  [1.]
  [0.]
  [1.]]]

进程已结束,退出代码0

 

注意这里tf.cond的两个函数返回数据维度不同也没有报错，经测试，当数据类型不同时会报错。普通python语句和之前一样按先“正确”后“错误”执行，tensorflow的数据流得到控制，只执行了“错误”语句。