张量流动懒惰？

Question

比方说，你有一些代码段像这样

import tensorflow as tf 
... 
f = h*y + z*t #Just some expression involving other tensors. 
e = ... # some expression that does not involve f. 
result = tf.select(b, e, f) 

sess.run(result) 

b是相同的形状，E和F的布尔张量。 如果b的所有元素评估为真，我们不需要 f并且结果将会是（或等于）e。

问题：当会话运行结果，和e的元素都是真实的，是评估？

Answer 1

TL; DR：所述tf.select()节点执行之前 TensorFlow是严格，所以既e和f进行评价。

这造成了一些混淆。 TensorFlow首先修剪数据流图，基于哪些操作是静态地产生被提取的值（即参数为sess.run()）。但是，一旦修剪完图形，运行时就会执行严格的执行操作，因此在操作可以执行之前必须计算所有操作输入（例如tf.select()）。

在tf.control_flow_ops模块中使用tf.control_flow_ops.cond()函数对条件执行进行了实验性支持，但目前这方面的内容很少。