如何执行 If 语句以创建列表 TensorFlow？

Question

我正在尝试在张量流中执行这个 numpy 代码。这样做的原因是因为我想以定制的方式（不使用 softmax）进行二进制预测，然后在我的网络的损失中使用它。 Output1 是网络输出的内容，一个大小为 (1, batch_size) 的数组。这是numpy代码：

predictions = []
for j in range(batch_size):
    if output1[0, j] >= output2[0] and output1[0, j] <= output2[1]:
        predictions.append(1)
    else:
        predictions.append(0)

在 Tensorflow 中，我尝试使用 tf.cond 做类似的事情，因为我想评估网络输出的值并基于此做一些事情：

predictions = []
for j in range(batch_size):
    condResult = tf.cond(output1[0, j] >= output2[0], lambda: predictions.append(1), lambda: predictions.append(0))
    condResultFalse = tf.cond(output1[0, j] <= output2[1], lambda: predictions.append(1), lambda: predictions(0))

但是，这有一些问题。首先，如果两个条件都为真，它会将 1 附加到列表中两次，这是我不想要的。其次，它会抛出一个错误，说ValueError: true_fn must have a return value. 显然，我必须返回一个张量，但我不确定如何执行此操作，因为我只想附加到一个列表中。

任何将其翻译成 Tensorflow 的帮助都会很棒！

谢谢

Answer 1

一个好的解决方案是直接使用逻辑函数，例如 tf.less_equal 或 'True，它将是'1'。

import tensorflow as tf
import numpy as np

output1 = tf.constant(np.random.randn(1, 200), dtype='float32')
output2 = tf.constant([0.1, 0.5], dtype='float32')

a = output2[0] <= output1[0]
b = output1[0] <= output2[1]
c = tf.cast(tf.logical_and(a, b), tf.int64)

init  = tf.global_variables_initializer()

sess = tf.Session()
sess.run(init)
res = sess.run(c)

print res

编辑：实际使用 int64

Answer 2

这样做的方法接近答案，但这对我不起作用。

predictions = []
for j in range(batch_size):
        condition = tf.less_equal(output1[0, j], output2[1])
        condition2 = tf.greater_equal(output1[0, j], output2[0])
        resultingCondition = tf.where(condition, True, False)
        resultingCondition2 = tf.where(condition2, True, False)
        finalResultingCondition = tf.cast(tf.logical_not(tf.logical_and(resultingCondition, resultingCondition2)), tf.float32)
        predictions.append(finalResultingCondition)

这将附加1 和0 而不是1 和-1。