TensorFlow tf.equal () - operator funktioniert nicht wie erwartet

Schrieb ich den folgenden code
aber es funktioniert nicht wie ich erwarten.
Ich erwartete, dass 'true' gedruckt werden, sondern 'false' gedruckt wird.
Können Sie erklären, warum dies geschieht?

import tensorflow as tf

#y_ = tf.constant([0, 1, 0])
y  = tf.constant([0, 1, 0])

with tf.Session() as sess:
    b = sess.run(tf.equal(y, y))
    if b is True:
        print 'true'
    else:
        print 'false'
  • Entfernt habe ich den zweiten Teil der post – eine Frage pro post, und es war off-topic sowieso.
InformationsquelleAutor semenbari | 2017-01-26
  1. 12

    Den tf.equal() - operator ist eine elementweise Betreiber. Vorausgesetzt x und y sind die gleiche Form (wie in deinem Beispiel) tf.equal(x, y) wird ein tensor mit der gleichen Form, wo jedes element gibt an, ob die entsprechenden Elemente in x und y gleich sind. Daher sess.run(tf.equal(y, y)) in Ihrem Programm Rückkehr das array [True, True, True].

    In Python, die is - operator berechnet Referenz-Gleichheit zwischen zwei Objekten, und das array [True, True, True] ist nicht das gleiche Objekt wie die (built-in) - Objekt True, so das Ergebnis des Tests ist False.

    Dem folgenden Programm erreichen würde das Verhalten, das Sie erwarten,* mit den tf.reduce_all() - operator auf das Ergebnis tf.equal() zur Berechnung einer einzelnen boolean-Wert:

    y  = tf.constant([0, 1, 0])
all_elems_equal = tf.reduce_all(tf.equal(y, y))

with tf.Session() as sess:
    b = sess.run(all_elems_equal)
    if b:
        print 'true'
    else:
        print 'false'

    * Beachten Sie jedoch, dass tf.equal(x, y) wird broadcast Ihre Argumente, wenn Sie verschiedene Formen haben, so könnte man das unerwartete Ergebnis, dass zwei Tensoren mit unterschiedlichen Formen sind "gleich" mit diesem Programm haben. Zum Beispiel mit diesem test auf die Spalte vector [[11], [22]] und den zeilenvektor [11, 22] würde darauf hinweisen, dass diese gleich sind. Wenn Sie müssen auch vergleichen Sie die Formen in Ihre Gleichheit zu testen, sollten Sie auch vergleichen Sie das Ergebnis tf.shape(x) und tf.shape(y).

    InformationsquelleAutor mrry
Schreibe einen Kommentar