tensorflow随笔-条件循环控制（4）

例如非严格语义的示例：在下面的示例中，计数器i的最终值不依赖于x。while_loop可并行地增加计数器，并更新x。

#!/usr/bin/env python2
# -*- coding: utf-8 -*-import tensorflow as tf
import tensorflow as tfn = 10
x = tf.constant(0)
c = lambda i, x: i < n
b = lambda i, x: (tf.Print(i + 1, [i],"i:"), tf.Print(x + 1, [x], "x:"))
i, out = tf.while_loop(c, b, (0, x))
with tf.Session() as sess:print(sess.run([i,out]))

i:[0]x:[0]

x:[1]
i:[1]
i:[2]
x:[2]
i:[3]
x:[3]
i:[4]
x:[4]
i:[5]
x:[5]
i:[6]
x:[6]
i:[7]
i:[8]x:[7]

i:[9]
x:[8]
x:[9]
[10, 10]

观察上面例子，x和i是并行计算的，以至于在i为8时，x还是7

i:[6]
x:[6]
i:[7]
i:[8]x:[7]

下面的例子将x设为列表，每次迭代对列表的每个元素加1

#!/usr/bin/env python2
# -*- coding: utf-8 -*-import tensorflow as tf
import tensorflow as tfn = 10
x = tf.constant(list(range(n)))
c = lambda i, x: i < n
b = lambda i, x: (tf.Print(i + 1, [i],"i:"), tf.Print(x + 1, [x], "x:"))
i, out = tf.while_loop(c, b, (0, x))
with tf.Session() as sess:print(sess.run([i,out]))

i:[0]
x:[0 1 2…]i:[1]

x:[1 2 3…]i:[2]

x:[2 3 4…]
i:[3]
x:[3 4 5…]
i:[4]
x:[4 5 6…]
x:[5 6 7…]i:[5]

x:[6 7 8…]i:[6]

x:[7 8 9…]i:[7]

x:[8 9 10…]
i:[8]
i:[9]
x:[9 10 11…]
[10, array([10, 11, 12, 13, 14, 15, 16, 17, 18, 19], dtype=int32)]

因为一个循环迭代中的循环计数器依赖于前一个迭代中的值循环计数器本身不能并行递增。

#!/usr/bin/env python2
# -*- coding: utf-8 -*-import tensorflow as tfdef b(i):return tf.Print(i + 2, [i],"i:")def c(i):return tf.less(i,n)n = tf.constant(10)
i = tf.constant(0)res = tf.while_loop(c, b, [i])
with tf.Session() as sess:print sess.run(res)

i:[0]
i:[2]
i:[4]
i:[6]
i:[8]
10
i这个计算器本身，每次迭代增加，因此依赖于前一个迭代中的值。因此，如果我们只想要计数器i的最终值（我们在行打印（sess.run(i))，那么x永远不会递增，但是计数器i将在单个线程上更新。如下所示：

#!/usr/bin/env python2
# -*- coding: utf-8 -*-import tensorflow as tfdef b(i,x):return (tf.Print(i + 2, [i],"i:"),tf.Print(x + 1, [x],"x:"))def c(i,x):return tf.less(i,n)n = 10
i = 0
x = tf.constant(list(range(n)))i,out = tf.while_loop(c, b, (i,x))
with tf.Session() as sess:print sess.run(i)

i:[0]
i:[2]
i:[4]
i:[6]
i:[8]
10
相反，如果我们希望输出值（我们在行打印（sess.run(out））上打印），那么计数器可以在自己的线程上递增，而x可以在单独的线程上并行递增。

注意：因为i每次递增2，所以x只会递增5次，每次增加1

#!/usr/bin/env python2
# -*- coding: utf-8 -*-import tensorflow as tfdef b(i,x):return (tf.Print(i + 2, [i],"i:"),tf.Print(x + 1, [x],"x:"))def c(i,x):return tf.less(i,n)n = 10
i = 0
x = tf.constant(list(range(n)))i,out = tf.while_loop(c, b, (i,x))
with tf.Session() as sess:print sess.run(out)

i:[0]
x:[0 1 2…]i:[2]

x:[1 2 3…]i:[4]

i:[6]x:[2 3 4…]

x:[3 4 5…]
i:[8]
x:[4 5 6…]
[ 5 6 7 8 9 10 11 12 13 14]

在极端情况下，可以想象，递增计数器的线程在x递增一次之前一直运行到完成。唯一不可能发生的事情是线程更新x永远不可能超过计数器线程，因为递增x的线程取决于计数器的值。下面模拟了这种情况（i>6时，x更新递增）

#!/usr/bin/env python2
# -*- coding: utf-8 -*-import tensorflow as tfdef b(i,x):i=tf.Print(i + 1, [i],"i:")x=tf.cond(i<=5,lambda: tf.Print(x,[x],"x:"),lambda: tf.Print(x + 1, [x],"x:"))return (i,x)def c(i,x):return tf.less(i,n)n = 10
i = 0
x = 0i,out = tf.while_loop(c, b, (i,x))
with tf.Session() as sess:print sess.run(out)

i:[0]
x:[0]
i:[1]
x:[0]
i:[2]
x:[0]
i:[3]
x:[0]
i:[4]
i:[5]
i:[6]x:[0]

x:[0]
i:[7]
x:[1]
i:[8]
i:[9]
x:[2]
x:[3]
x:[4]
5

组合tf.cond与tf.while_loop

#!/usr/bin/env python2
# -*- coding: utf-8 -*-
"""二分法猜数字
"""
import tensorflow as tfdef body(a,b,guessnum,num):center = tf.div(tf.add(a, b),2)a,b,num= tf.cond(guessnum>center, lambda: (center,b,center), lambda: (a,center,center))  return (tf.Print(a,[a],"a:"),tf.Print(b,[b],"b:"),guessnum,num)def c(a,b,guessnum,num):return tf.not_equal(guessnum,num)guessnum = tf.constant(71)
mynum = tf.constant(-1)
a = tf.constant(0)
b = tf.constant(100)a,b,guessnum,num = tf.while_loop(c, body, (a,b,guessnum,mynum))
with tf.Session() as sess:print sess.run(num)

b:[100]
a:[50]
a:[50]
b:[75]
b:[75]
a:[62]
b:[75]
a:[68]
a:[68]
b:[71]
71

tensorflow随笔-条件循环控制（4）相关推荐

tensorflow随笔-条件循环控制(1)
TensorFlow 提供了一些操作和类,您可以使用它们来控制操作的执行,并向图表添加条件依赖项. tf.identity tf.tuple tf.group tf.no_op tf.count_up ...
tensorflow随笔-条件循环控制（2）
tf.count_up_to tf.count_up_to( ref, limit, name=None ) 增加"ref"直到它达到"limit" 参数: r ...
tensorflow随笔-条件语句-tf.cond
tf.cond tf.cond( pred, true_fn=None, false_fn=None, strict=False, name=None, fn1=None, fn2=None ) 如果 ...
tensorflow随笔-条件语句-tf.case
tf.case tf.case( pred_fn_pairs, default=None, exclusive=False, strict=False, name='case' ) 创建case操作 ...
tensorflow随笔-条件循环语句求解一元多次方程
!/usr/bin/env python2 -*- coding: utf-8 -*- """ Created on Thu Sep 6 10:16:37 2018 @a ...
TensorFlow实现条件批归一化（Conditional Batch Normalization）
TensorFlow实现条件批归一化(Conditional Batch Normalization) 条件批归一化(Conditional Batch Normalization) TensorFl ...
tensorflow随笔-tf.while_loop
tf.while_loop( cond, body, loop_vars, shape_invariants=None, parallel_iterations=10, back_prop=True, ...
tensorflow随笔-底层梯度
(1)tf.AggregationMethod是一个类 Class AggregationMethod 类拥有的方法主要用于聚集梯度计算偏导数需要聚集梯度贡献,这个类拥有在计算图中聚集梯度的很多方法 ...
tensorflow随笔-队列管理器QueueRunner－生产者与消费者
# -*- coding: utf-8 -*- """ Spyder EditorThis is a temporary script file. "" ...

tensorflow随笔-条件循环控制（4）

tensorflow随笔-条件循环控制（4）相关推荐

最新文章

热门文章