Learning Tensorflow(8)---条件判断语句

Tensorflow 中使用tf.cond来控制数据的流向，类似于C语言中的if…else…

语法

format：tf.cond(pred, fn1, fn2, name=None)

例子：

z = tf.multiply(a, b)
result = tf.cond(x < y, lambda: tf.add(x, z), lambda: tf.square(y))

上面例子执行这样的操作，如果x<y则result这个操作是tf.add(x,z),反之则是tf.square(y)

z在cond只要至少被一个分支用到，则z被执行。

在实际使用中，可以结合placeholder和feed进行参数的传入，决定计算图中数据流的走向。

is_trainning = tf.placeholder(tf.int16)
feed = {inputs: batch_train_inputs,
      targets: batch_train_targets,
      is_trainning : 1}  
batch_cost, _, train_accuracy= sess.run([cost, optimizer,accuracy], feed)

logit = tf.cond(is_trainning > 0, 
                      lambda: final_fc,
                      lambda: tf.nn.softmax(final_fc),
                      name = 'logits')

注意不能tf.bool作为判断条件，因为传入的feed不能为Python bool（简单的False or True）
最简单的解决方法还是传递一个数值。