尝试在张量流的 map_fn 中使用 if

Question

我正在尝试使用 tensorflow 中的 map_fn 对列向量进行转换，但它不起作用。

对于以下列向量：

elems = np.array([[1.0], [2.0], [3.0]])

当我这样做时：

tf_m = tf.map_fn(lambda x: x + 1.0, elems)
with tf.Session() as sess:
    res = sess.run(tf_m)
    print(str(res))

我得到了我期望的结果，即这个列向量：

[[2.]
 [3.]
 [4.]]

但是，当我这样做时：

tf_m2 = tf.map_fn(lambda x: x+1 if x % 2 > 0 else x, elems)
with tf.Session() as sess:
    res = sess.run(tf_m2)
    print(str(res))

代码失败，出现以下异常：

TypeError：不允许将tf.Tensor 用作Python bool。使用if t is not None: 而不是if t: 来测试是否定义了张量，并使用 TensorFlow 操作（例如 tf.cond）来执行以张量值为条件的子图。

我试过打印 x 的类型，它是一个形状为 (1,) 的张量。因此，看起来正在发生的是，这些值不是作为标量值传递给 lambda，而是作为具有形状 (1,) 的张量； % 被广播，产生另一个形状为 (1,) 的张量，但该张量不能应用 >= 运算符。

有没有办法让它工作？有没有办法获得一个我可以应用 >= 运算符的 actual 标量？如果没有，我可以使用 map_fn 的有效替代方法吗？

（我查看了 tf.cond，在这种情况下如何使用它并不明显。据我了解，tf.cond 产生一个操作，而不是可调用的，所以我将如何使用它来自 map_fn 应用的 lambda？）

Answer 1

您可以像这样使用tf.map_fn 和tf.cond 做到这一点：

elems_shape = tf.shape(elems)
elems_flat = tf.reshape(elems, [-1])
tf_m2_flat = tf.map_fn(lambda x: tf.cond(x % 2 > 0, lambda: x + 1, lambda: x), elems_flat)
tf_m2 = tf.reshape(tf_m2_flat, elems_shape)

但您也可以像这样简单地使用tf.where：

tf_m2 = tf.where(elems % 2 > 0, elems + 1, elems)