我就废话不多说了，大家还是直接看代码吧~
import tensorflow as tf
n1 = tf.constant(2)
n2 = tf.constant(3)
n3 = tf.constant(4)
def cond1(i, a, b):
return i < n1
def cond2(i, a, b):
return i < n2
def cond3(i, a, b):
return i < n3
def body(i, a, b):
return i + 1, b, a + b
i1, a1, b1 = tf.while_loop(cond1, body, (2, 1, 1))
i2, a2, b2 = tf.while_loop(cond2, body, (2, 1, 1))
i3, a3, b3 = tf.while_loop(cond3, body, (2, 1, 1))
sess = tf.Session()
print(sess.run(i1))
print(sess.run(a1))
print(sess.run(b1))
print("-")
print(sess.run(i2))
print(sess.run(a2))
print(sess.run(b2))
print("-")
print(sess.run(i3))
print(sess.run(a3))
print(sess.run(b3))
print结果：
2 1 1 - 3 1 2 - 4 2 3
可见body函数返回的三个变量又传给了body
补充知识：tensorflow在tf.while_loop循环(非一般循环)中使用操纵变量该怎么做
代码（操纵全局变量）
xiaojie=1 i=tf.constant(0,dtype=tf.int32) batch_len=tf.constant(10,dtype=tf.int32) loop_cond = lambda a,b: tf.less(a,batch_len) #yy=tf.Print(batch_len,[batch_l<b>本文来源gao@!dai!ma.com搞$$代^@码!网</b>en],"batch_len:") yy=tf.constant(0) loop_vars=[i,yy] def _recurrence(i,yy): c=tf.constant(2,dtype=tf.int32) x=tf.multiply(i,c) global xiaojie xiaojie=xiaojie+1 print_info=tf.Print(x,[x],"x:") yy=yy+print_info i=tf.add(i,1) # print (xiaojie) return i,yy i,yy=tf.while_loop(loop_cond,_recurrence,loop_vars,parallel_iterations=1)#可以批处理 sess = tf.Session() print (sess.run(i)) print (xiaojie)
输出的是10和2。
也就是xiaojie只被修改了一次。
这个时候，在_recurrence循环体中添加语句
print (xiaojie)
会输出2。而且只输出一次。具体为什么，最后总结的时候再解释。
代码（操纵类成员变量）class RNN_Model():
def __init__(self):
self.xiaojie=1
def test_RNN(self):
i=tf.constant(0,dtype=tf.int32)
batch_len=tf.constant(10,dtype=tf.int32)
loop_cond = lambda a,b: tf.less(a,batch_len)
#yy=tf.Print(batch_len,[batch_len],"batch_len:")
yy=tf.constant(0)
loop_vars=[i,yy]
def _recurrence(i,yy):
c=tf.constant(2,dtype=tf.int32)
x=tf.multiply(i,c)
self.xiaojie=self.xiaojie+1
print_info=tf.Print(x,[x],"x:")
yy=yy+print_info
i=tf.add(i,1) print ("_recurrence:",self.xiaojie)
return i,yy
i,yy=tf.while_loop(loop_cond,_recurrence,loop_vars,parallel_iterations=1)#可以批处理
sess = tf.Session()
sess.run(yy)
print (self.xiaojie)
if __name__ == "__main__":
model = RNN_Model()#构建树，并且构建词典
model.test_RNN()
输出是：
_recurrence: 2 10 2
tf.while_loop操纵全局变量和类成员变量总结
为什么_recurrence中定义的print操作只执行一次呢，这是因为_recurrence中的print相当于一种对代码的定义，直接在定义的过程中就执行了。所以，可以看到输出是在sess.run之前的。但是，定义的其它操作就是数据流图中的操作，需要在sess.run中执行。
就必须在sess.run中执行。但是，全局变量xiaojie也好，还是类成员变量xiaojie也好。其都不是图中的内容。因此，tf.while_loop执行的是tensorflow计算图中的循环，对于不是在计算图中的，就不会参与循环。注意：而且必须是与loop_vars中指定的变量存在数据依赖关系的tensor才可以！此外，即使是依赖关系，也必须是_recurrence循环体中return出的变量，才会真正的变化。比如，见下面的self.L。总之，想操纵变量，就要传入loop_vars！
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：基于tensorflow for循环 while循环案例
转载请注明原文链接：基于tensorflow for循环 while循环案例
