關於tf.cond函數中“正確”與“錯誤”函數中的普通python語句始終執行的問題

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)

執行結果：

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.]]]

進程已結束,退出代碼0

執行以上代碼發現，即使判斷為假，執行了f2，f1的值未返回，但f1中的語句依然執行了。最后發現，“正確”函數和“錯誤”函數都會在判斷語句中被調用始終按照先“正確”函數，后“錯誤”函數的順序執行一遍（經過將兩個函數定義位置調換，測試確實如此，始終先打印“正確”函數中的字符），其中的非張量數據流不受流程控制，tensorflow的流程控制只對tensor張量有效。最后由於本人需要完成的功能，采取了在兩個函數中只寫張量運算的代碼：

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))

運行結果：

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.]]]

進程已結束,退出代碼0

 

注意這里tf.cond的兩個函數返回數據維度不同也沒有報錯，經測試，當數據類型不同時會報錯。普通python語句和之前一樣按先“正確”后“錯誤”執行，tensorflow的數據流得到控制，只執行了“錯誤”語句。