标签：session nts wap variables 行操作 [] tensor parallel run
tf.while_loop(cond,
body,
loop_vars,
shape_invariants=None,
parallel_iterations=10,
back_prop=True, swap_memory=False,
name=None,
maximum_iterations=None,
return_same_structure=False)
tf.while_loop 可以这样理解：
loop = [] while cond(loop): loop = body(loop)
即loop参数先传入cond 判断条件是否成立，成立之后，把 loop参数传入body 执行操作， 然后返回 操作后的 loop 参数，即loop参数已被更新，再把更新后的参数传入cond, 依次循环，直到不满足条件。
我们来看这样一个场景如何在 tensorflow中实现：
i= 0 n =10 while(i < n): i = i +1
首先这个要有个判断条件的语句，即：
i < n
满足条件就执行循环体里的操作，这个判断条件在tensorflow里，要写个函数来代替，即：
def cond(i, n): return i < n
之后是循环体里的操作，也要一个函数来代替，即：
def body(i, n): i = i + 1 return i, n
请注意body函数里虽然没有与参数 n 有关的操作，但是必须要传入参数 n, 因为正如前面所说，要构成循环，参数在body函数更新后还要返回给cond函数，判断是否满足条件，如果不传入参数 n 下次，就没法判断了，合起来总得代码为：
import tensorflow as tf i = tf.constant(0) c = lambda i: tf.less(i, 10) b = lambda i: tf.add(i, 1) r = tf.while_loop(c, b, [i]) with tf.Session() as sess: tf.global_variables_initializer().run() print(sess.run(r))
标签：session nts wap variables 行操作 [] tensor parallel run
原文地址：https://www.cnblogs.com/wzdLY/p/10066889.html
