如何在Tensorflow中通过tf.cond将参数传递给函数？

Question

我有以下简单的占位符:

x = tf.placeholder(tf.float32, shape=[1])
y = tf.placeholder(tf.float32, shape=[1])
z = tf.placeholder(tf.float32, shape=[1])

有两个函数fn1和fn2，定义如下：

def fn1(a, b): 
    return tf.mul(a, b)
def fn2(a, b): 
    return tf.add(a, b)

现在我想根据预测条件计算结果:

pred = tf.placeholder(tf.bool, shape=[1])
result = tf.cond(pred, fn1(x,y), fn2(y,z))

但它会报错，提示fn1和fn2必须可调用。

我该如何编写fn1和fn2，使它们能在运行时接收参数？我想要调用以下内容：

sess.run(result, feed_dict={x:1,y:2,z:3,pred:True})

- exAres

Answer 1

你可以使用lambda将参数传递给函数，代码如下。

x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
z = tf.placeholder(tf.float32)

def fn1(a, b):
  return tf.mul(a, b)

def fn2(a, b):
  return tf.add(a, b)

pred = tf.placeholder(tf.bool)
result = tf.cond(pred, lambda: fn1(x, y), lambda: fn2(y, z))

然后您可以按照以下方式进行调用：

with tf.Session() as sess:
  print sess.run(result, feed_dict={x: 1, y: 2, z: 3, pred: True})
  # The result is 2.0

- Kongsea

Answer 2

最简单的方法是在调用时定义您的函数：

result = tf.cond(pred, lambda: tf.mul(a, b), lambda: tf.add(a, b))

- Phillip Bock