如何使用张量流的功能合并和切换？

Question

的merge和switch可能不开放使用一般用户。并且我搜索了源代码：

• 开关

• 合并

在中有一个描述merge：

返回的可用元素的值inputs。

可用意味着什么？归还switch吗？这是一个演示：

from tensorflow.python.ops import control_flow_ops

x_0, x_1 = control_flow_ops.switch(tf.constant(2), False)
x_2, x_3 = control_flow_ops.switch(tf.constant(7), True)
y = control_flow_ops.merge([x_0, x_1, x_2, x_3])
with tf.Session() as sess:
    print(sess.run(y))

Answer 1

switch

让我们从检查control_flow_ops.switch功能开始：

x_0, x_1 = control_flow_ops.switch(tf.constant(2), False)
x_2, x_3 = control_flow_ops.switch(tf.constant(7), True)
with tf.Session() as sess:
  print(sess.run(x_0))    # prints 2
  print(sess.run(x_3))    # prints 7

control_flow_ops.switch返回一个张量元组，但其中只有一个将具有值（取决于条件参数）。在上面的示例中，它x_0 = 2来自第一个switch和x_3 = 7第二个。尝试评估x_1或x_2将导致Retval的尝试没有值错误：

  sess.run(x_1)  # FAILS!
  sess.run(x_2)  # FAILS!

换句话说，x_0并且x_3是可用的，同时x_1还是x_2不是。

merge

control_flow_ops.merge执行逆运算：给定张量元组，它选择可用的张量。精确地，它返回["output", "value_index"]具有值的张量的命名元组。根据当前文档，输入应仅包含一个可用的张量，这意味着您的演示严格来说不受支持，并导致不确定的行为。这是一个例子：

with tf.Session() as sess:
  print(sess.run(merge([x_0, x_1])))       # Merge(output=2, value_index=0)
  print(sess.run(merge([x_1, x_0])))       # Merge(output=2, value_index=1)
  print(sess.run(merge([x_2, x_3])))       # Merge(output=7, value_index=1)
  print(sess.run(merge([x_3, x_2])))       # Merge(output=7, value_index=0)
  print(sess.run(merge([x_0, x_1, x_2])))  # Merge(output=2, value_index=0)
  print(sess.run(merge([x_1, x_2, x_3])))  # Merge(output=7, value_index=2)

这两个函数都可以方便地控制计算流程，例如，control_flow_ops.switch通过switch自身实现梯度（张量流源代码）。