Tensorflow之分支结构

       众所周知，Tensorflow中没有分支结构。实际搭建模型的过程中，可能会遇到需要根据张量的状态决定执行哪部分代码的情况，那我们应该如何应对这种情况呢？今天，我这个杂牌川军，就和大家分享一个利用Tensorflow API实现的分支结构，好不好用全看个人悟性（真不要脸，说得自己好像大神。）。Ladies and Gentmen, Let's begin!

首先，介绍我们的猪脚：tf.cond()。

      我说它能实现分支，可能大家不信。毕竟人微言轻（屁都不算），所以祭出大杀器——Tensorflow官方描述（嘻嘻嘻）。 
  tf.cond(pred, true_fn=None, false_fn=None, strict=False, name=None, fn1=None, fn2=None) 
     如果pred为真，返回true_fn()，否则返回false_fn()。true_fn和false_fn都返回输出张量列表，同时true_fn和false_fn具有相同的非零数字和输出类型。
    下面，我们举个栗子（公司无法上传图片，所以没有运行截图）:
    import tensorflow as tf
    a = tf.constant(2)
    b = tf.constant(3)
    def fun_1():
         return a + b

    def fun_2():
        return a * b

    c = tf.cond(tf.less(a, b), fun_1, fun_2)
    with tf.Session() as sess:
        print(sess.run(c))
最终结果为5。
在这里需要注意的地方有:
1.true_fn、false_fn不能带参数；
2.true_fn、false_fn必须有返回值；
3.如果true_fn、false_fn需要参数，可以将参数放在true_fn、false_fn函数体的前面（正如蓝色加粗部分所示）。