如何在tensorflow中判断tensor(张量)的值

最新推荐文章于 2022-08-02 14:15:56 发布

jiongnima

最新推荐文章于 2022-08-02 14:15:56 发布

阅读量2.5w

点赞数 12

分类专栏： tensorflow 科研经验文章标签： tensorflow 机器学习框架 CNN 张量

本文链接：https://blog.csdn.net/jiongnima/article/details/78524551

版权

科研经验同时被 2 个专栏收录

17 篇文章 10 订阅

订阅专栏

tensorflow

13 篇文章 3 订阅

订阅专栏

众所周知，在tensorflow程序中，tensor只是占位符，在会话层没有run出tensor的值之前，我们是无法获知tensor的值的(不过笔者听说tensorflow要改良这一机制，将tensor转化为可以判断值的数据结构-flag:2017.11.13)。也就是说，下面的逻辑是无法实现的：

#a is a 1-D tensor, b is a 1-D tensor too.
if a == b:
    #take some actions...
else:
    #take some other actions...

可是，我们在程序中有可能需要根据tensor的值作出判断，以采取不同的操作。笔者就曾经遇到过这种问题，笔者在构造一个网络时，网络的输入为两个tensor，在这里分别称为a和b，需要根据b的值对a采取不同的操作。可是，在程序中是无法通过逻辑语句去判断tensor b的值的。那么，我们应该怎么办呢？

对于这个问题，tensorflow官方已经为我们提供了一个能满足功能的接口，即tf.cond，如下图所示。

tf.cond函数7个参数，其中有2个参数已经被弃用(fn1和fn2，这两个参数的功能被true_fn和false_fn取代)，剩余的5个参数中，常用的是前三个，第一个参数pred是一个判断条件，返回一个True或者False的Tensor，程序会根据pred去执行true_fn或者false_fn。

可以请大家看看tensorflow官方提供的样例，如下图所示。

不过，笔者想提醒大家注意两点：

1. tf.cond函数接收的true_fn和false_fn是不带参数的，那么，对于这两个函数的实现，对于逻辑简单的情况，可以采用匿名函数的形式，即lamda表达式，如下所示：

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

如果对于复杂一些的情况，由于函数true_fn和false_fn并不接受参数的输入，那么，我们可以使用嵌套函数的做法。因为嵌套函数引用的变量可以从被嵌套的函数中查找。比如，笔者就是这样做的：

def main():
    img = tf.placeholder(tf.float32, shape = [1, 256, 256, 3], name = "image")
    flag = tf.placeholder(tf.int32, shape = (), name = "switch")
	
    def true_proc():
        result = img/2.
        return result
		
    def false_proc():
	result = img/3.
	return result
		
    standard = tf.constant(value = 1, dtype = tf.int32)
    img_proc_result = tf.cond(pred = tf.equal(flag, standard), true_fn = true_proc, false_fn = false_proc)

在上面的代码中，根据flag的值会做出不同的操作。而笔者定义的true_proc和false_proc中，对img中的每个值分别进行了除以2.0和3.0的操作。使用嵌套函数，将true_proc函数和false_proc函数嵌套在main函数里面，可以使得在main函数中定义的img这个tensor的作用域完全覆盖true_proc和false_proc。这样，我们在使用tf.cond的时候，调用true_fn与false_fn的时候，就可以不传入任何参数。

2. 对于true_fn和false_fn的返回值，要求必须返回值的数量(非零)与数据类型完全相同，这样做的原因是，tensorflow的会话层(tf.Session())在进行run操作之前，是需要建立数据流图的(Graph)，在数据流图建立之后，所有数据的类型与维度就已经被确定并在显存/内存中占好了位置。而tf.cond函数的返回值会被加入数据流图之中，而tf.cond的返回值依赖于true_fn或者false_fn。因此，无论执行true_fn还是false_fn，两者返回值的数量与数据类型必须保持一致。