tf.cond()条件控制语句执行出错

问题现场：

import tensorflow as tf
parsed_example = {
    "label":[[1, 1, 1, 0],
              [0, 1, 1, 0],
             [1, 1, 1, 0]],
    "ot": [[1, 1, 1, -1],
              [0, 1, 1, 0],
             [1, 1, 1, 0]],
}
label = tf.slice(tf.cast(parsed_example["label"], tf.int32), [0, 0], [-1, 1])
sess = tf.Session()
label = sess.run(label)
print label

ot = tf.slice(tf.cast(parsed_example["label"], tf.int32), [0, 0], [-1, 1])
ot = sess.run(ot)
print ot
test = tf.cond(ot == 1, 0, 1)
test = sess.run(test)
print test

解决：

typyerror表示：true_fn或false_fn是不可调用的。（说明上面的代码中的第二个参数和第三个参数类型错误，并且不是tensor，返回结果必须是tensor。）

test = tf.cond(ot == ot1, lambda: tf.add(ot, ot), lambda : tf.add(ot1, ot1))

将fn改为参数后，报错：

    raise TypeError("pred must not be a Python bool")
TypeError: pred must not be a Python bool

解决：

个类型错误,或者不兼容的问题，Python中的True不是tf.bool类型，所以导致不兼容，只要定义的时候加上type就行了,举个例子:

tf.cast(True, tf.bool)

tf.cond()用法

在TensorFlow中，tf.cond()类似于c语言中的if...else...，用来控制数据流向，但是仅仅类似而已，其中差别还是挺大的。关于tf.cond（）函数的具体操作，参考了tf的说明文档。

重点:

• 输入参数中pred的类型必须是tensorflow的bool类型（tf.bool，可通过tf.cast(True, tf.bool)来转换）
• fnq'和‘fn2’返回的是非零的且类型相同的输出。得是函数的形式，如果你输出是常量，可以使用匿名函数的形式作为函数

例子：

经过debug，上述例子可以运行的代码：

import tensorflow as tf
parsed_example = {
    "label":[[1, 1, 1, 0],
              [0, 1, 1, 0],
             [1, 1, 1, 0]],
    "ot": [[1, 1, 1, -1],
              [0, 1, 1, 0],
             [1, 1, 1, 0]],
}
label = tf.slice(tf.cast(parsed_example["label"], tf.int32), [0, 0], [-1, 1])
sess = tf.Session()
label = sess.run(label)
# print label

ot = tf.slice(tf.cast(parsed_example["label"], tf.int32), [0, 0], [-1, 1])
ot1 = tf.slice(tf.cast(parsed_example["label"], tf.int32), [0, 1], [-1, 1])
# ot = sess.run(ot)
# print ot
a = tf.add(ot, ot)
b = tf.add(ot1, ot1)
print sess.run(a)
print sess.run(b)
print ot == ot1
print ot == 1

test = tf.cond(tf.cast(ot == ot1, tf.bool), lambda: tf.add(ot, ot), lambda : tf.add(ot1, ot1))
test = sess.run(test)
print test

倒数第三句代码中，对输出常量，可以改写为匿名函数的形式：

test = tf.cond(tf.cast(ot == ot1, tf.bool), lambda: 1, lambda : 2)

参考：

1.https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/cond

2.帮助理解：https://blog.csdn.net/m0_37041325/article/details/76908660