Tensorflow，选择操作给出错误

Question

我需要我的模型在训练和测试期间表现不同。我正在尝试构建序列到序列模型，并且我想在训练时将预期输出输入解码器，在测试时将实际输出输入。我定义了以下占位符，它应该包含一个缩放器值。

training = tf.placeholder(tf.bool, None, 'training')

在我的解码器中，我使用以下 select 语句，它在第一个时间步中返回全零，但根据是否正在训练在最后一个输出和预期输出之间进行选择。

last_step = tf.select(training, getTimeStep(expected_output, t - 1), decoder_outputs[t - 1])if t else tf.zeros((BATCH_SIZE, 128))

当我在训练模式下运行模型时，我使用以下设置训练为 True。

sess.run([accuracy, cross_entropy, train_step], feed_dict = {input_tensor: x_train, expected_output: y_train, training: True})

运行时出现以下错误。

tensorflow.python.framework.errors.InvalidArgumentError: Inputs to operation decoder/Select of type Select must have the same size and shape.  Input 0: [] != input 1: [32,128]

似乎条件需要与我选择的张量大小相同。但是，我想选择一个或另一个表达式，而不是元素明智的选择。有一个更好的方法吗？我认为 select 应该只广播布尔值。我可以平铺它，但这似乎有点低效。

Answer 1

你是对的，tf.select 希望条件与其他两个输入具有相同的形状。

您应该改用tf.cond。有关在 TensorFlow 图中使用 if 条件的信息，请参阅 this detailed answer。