我在使用tf.cond来控制Tensorflow图的流程。我查阅了文档并成功实现了基于tf.cond的分支。但是我的担忧在于，当图被加载时，bool变量的值会被检查，分支决定在初始化步骤就已完成。之后对bool的任何更改都不会被追踪。以下是最小工作示例（MWE），更好地描述了这个问题：

def funa():    return tf.constant(32)def funb():    return tf.constant(25)foo = Truex = tf.cond(tf.convert_to_tensor(foo), lambda: funa(), lambda: funb())for i in range(20):    global foo    if i > 10:        foo = False    print(sess.run(x))    

这只会打印32。

我还尝试了eager_execution，使用以下代码：

tf.enable_eager_execution()def funa():    return tf.constant(32)def funb():    return tf.constant(21)foo = Truex = tf.cond(tf.convert_to_tensor(foo), lambda: funa(), lambda: funb())for i in range(20):    if i > 10:        foo = False    print(x)

结果仍然相同。

所以我的问题是，如何编写代码，使图的一部分可以根据bool变量的更新动态选择（如果可能的话）？谢谢。我使用的是Tensorflow v1.14。

回答：

您可以为foo创建一个占位符，并在运行会话时传入它的值。修改后的代码如下：

import tensorflow as tfdef funa():    return tf.constant(32)def funb():    return tf.constant(25)foo = Truefoo_p = tf.placeholder(tf.bool)sess = tf.Session()x = tf.cond(foo_p, lambda: funa(), lambda: funb())for i in range(20):    if i > 10:        foo = False    print(sess.run(x, {foo_p:foo}))