例如非嚴格語義的示例：在下面的示例中，計數器i的最終值不依賴于x。while_loop可并行地增加計數器，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]

觀察上面例子，x和i是并行計算的，以至于在i為8時，x還是7

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

下面的例子將x設為列表，每次迭代對列表的每個元素加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)]

因為一個循環迭代中的循環計數器依賴于前一個迭代中的值循環計數器本身不能并行遞增。

#!/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這個計算器本身，每次迭代增加，因此依賴于前一個迭代中的值。因此，如果我們只想要計數器i的最終值（我們在行打印（sess.run(i))，那么x永遠不會遞增，但是計數器i將在單個線程上更新。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，如果我們希望輸出值（我們在行打印（sess.run(out））上打印），那么計數器可以在自己的線程上遞增，而x可以在單獨的線程上并行遞增。

注意：因為i每次遞增2，所以x只會遞增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]

在極端情況下，可以想象，遞增計數器的線程在x遞增一次之前一直運行到完成。唯一不可能發生的事情是線程更新x永遠不可能超過計數器線程，因為遞增x的線程取決于計數器的值。下面模擬了這種情況（i>6時，x更新遞增）

#!/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

組合tf.cond與tf.while_loop

#!/usr/bin/env python2 # -*- coding: utf-8 -*- """二分法猜數字 """ 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

總結

以上是生活随笔為你收集整理的tensorflow随笔-条件循环控制（4）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。