ValueError：形状必须为0，但“ cond_11 / Switch”为1（运算符：“ Switch”）

Question

实际上，我们不能在if语句中使用tf.var作为布尔值，而不是使用tf.cond。我为规范化的输入数据编写此代码，并得到令人困惑的错误，我在哪里做错了？

   def global_contrast_normalize(X, scale=1., subtract_mean=True,use_std=False,
       sqrt_bias=0., min_divisor=1e-8):
       mean=tf.reduce_mean(X,axis=1)
       if subtract_mean:
         X = X - mean[:, numpy.newaxis]  # Makes a copy.
      else:
         X = tf.copy.copy(X)
      if X.get_shape()[1]==1:
        #ddof = 0
        mean, var = tf.nn.moments(X, axes=[1])

        normalizers = tf.sqrt(sqrt_bias + var) / scale

      else:
        normalizers = tf.sqrt(sqrt_bias + tf.reduce_sum((X ** 2),axis=1)) / scale
        Normalizers= tf.Variable(normalizers,'float32')
        M=tf.Variable(min_divisor,'float32')

      tf.cond( tf.less_equal(Normalizers,M),lambda:tf.assign(Normalizers,  [1]),lambda:tf.assign(Normalizers,normalizers))
      X /= Normalizers[:, tf.newaxis]  # Does not make a copy.
      return X

错误：

在_call_cpp_shape_fn_impl中引发ValueError（err.message）

ValueError：形状必须为等级0，但对于输入形状为[1]，[1]的“ cond_11 / Switch”（op：“ Switch”），等级为1。

Answer 1

错误表明预期输入是标量（等级 0），但形状为 ([1],[1])。通常，您可以通过将输入重新整形为标量值（使用tf.reshape(Normalizers, [])）来解决此问题。

对于这种情况，您似乎希望根据它们是否 <= M 有条件地设置 Normalizers 的值。tf.where正是如此。

（注意，您不必将 normalizers 或 min_divisor 转换为 tf.Variable）

tf.where 的示例用法：

def global_contrast_normalize(...):
  ...   
  comparison = tf.less_equal(normalizers,M)
  normalizers = tf.where(comparison, tf.ones_like(normalizers), normalizers
  X /= normalizers[:, tf.newaxis]
  return X