Tensorflow CIFAR-10教程中的布尔表达式

我在阅读TensorFlow官方示例关于cifar10的代码，位于https://github.com/tensorflow/models/blob/master/official/resnet/cifar10_main.py，并有一些问题：

num_images = is_training and _NUM_IMAGES[‘train’] or _NUM_IMAGES[‘validation’]

…这是什么意思？我们如何通过这个函数在训练和验证时获得正确的数据大小？

input_function = FLAGS.use_synthetic_data and get_synth_input_fn() or input_fn

同样，我不知道它是如何工作的。

回答：

num_images = is_training and _NUM_IMAGES['train'] or _NUM_IMAGES['validation']

等同于

if is_training:    num_images = _NUM_IMAGES['train']else:    num_images = _NUM_IMAGES['validation']

同样地：

input_function = FLAGS.use_synthetic_data and get_synth_input_fn() or input_fn

等同于：

if FLAGS.use_synthetic_data:   input_function = get_synth_input_fn()else:    input_function = input_fn()

虽然我提供的更冗长的变体可能更易读，但原始的TensorFlow版本更为简洁。

and运算符会短路，例如在

(A and B)

中，只有当A为真时才会评估B。

这意味着在：

A and B or C

中，如果A为真，那么会评估B，并且or不会评估C，所以结果是B。如果A为假，则不会评估B，结果是C。

学技术