TensorFlow 循环 tf.while_loop

函数原型：
tf.while_loop(cond, body, loop_vars)

参数：

• cond： 函数类型， 作为循环结束判断条件， 返回值为 tf.bool 类型
• body： 函数类型， 作为循环体， 返回值长度 与 loop_vars 长度相同，比如 loop_vars 有3个参数，那么body的返回值也有3个；若 loop_vars 有5个参数，那么body的返回值就有5个；
• loop_vars: 传入cond 和 body 的参数， 注意哦，传入 cond 和 body 的都是这些个参数，loop_vars 全部参数先全部传入 cond 函数，如果判断为True, 就再把loop_vars 全部参数传入body 函数，返回值为更新后的loop_vars，长度为传入的loop_vars长度相同。

举例 1：

import tensorflow as tf

init_i = tf.constant(0)

def cond(i):
    return tf.less(i, 10)

def body(i):
    return tf.add(i, 1)

result_tf = tf.while_loop(cond, body, [init_i])
with tf.Session() as sess:
    print(sess.run(result_tf))
    


# 输出为：
# 10

举例 2：

import tensorflow as tf

init_i = tf.constant(0)
init_A = tf.constant([[1, 1],
                      [1, 1]], tf.float32)
init_B = tf.constant([[2, 2],
                      [2, 2]], tf.float32)

def cond(i, A, B):
    return tf.less(i, 2)

def body(i, A, B):
    return tf.add(i, 1), A+A, A+B

i_tf, A_tf, B_tf = tf.while_loop(cond, body, [init_i, init_A, init_B])
with tf.Session() as sess:
    i, A, B = sess.run([i_tf, A_tf, B_tf])
    print('i:', i)
    print('\nA:', A)
    print('\nB:', B)



# 输出为：
# i: 2
# 
# A: [[4. 4.]
#     [4. 4.]]
# 
# B: [[5. 5.]
#     [5. 5.]]

• cond函数 和 body函数 的传入参数是一样的，都是 loop_vars
• body函数 的返回值和传入参数的长度是一样的，传入哪些就返回哪些，body函数只是更新了这些参数值
• loop_vars 的值一直在循环中更新，直到其不满足cond 函数