tf.cond()

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，我参考了tf的说明文档。

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

Return :either fn1() or fn2() based on the boolean predicate pred.(注意这里，也就是说’fnq’和‘fn2’是两个函数)

arguments:fn1 and fn2 both return lists of output tensors. fn1 and fn2 must have the same non-zero number and type of outputs('fnq’和‘fn2’返回的是非零的且类型相同的输出)

官方例子：

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)。这一点上，确实很像逻辑控制中的if…else…，但是官方说明里也提到

Since z is needed for at least one branch of the cond，branch of the cond, the tf.mul operation is always executed, unconditionally.

因为z在cond函数中的至少一个分支被用到，所以

z = tf.multiply(a, b)

总是被无条件执行
原文链接：https://blog.youkuaiyun.com/m0_37041325/article/details/76908660