Python tf.compat.v1.assert_equal用法及代码示例

断言条件 x == y 保持元素。

用法

tf.compat.v1.assert_equal(
    x, y, data=None, summarize=None, message=None, name=None
)

迁移到 TF2

警告：这个 API 是为 TensorFlow v1 设计的。继续阅读有关如何从该 API 迁移到本机 TensorFlow v2 等效项的详细信息。见TensorFlow v1 到 TensorFlow v2 迁移指南有关如何迁移其余代码的说明。

tf.compat.v1.assert_equal 与即刻执行和 tf.function 兼容。迁移到 TF2 时，请改用tf.debugging.assert_equal。除了 data 之外，所有参数都支持相同的参数名称。

如果要确保断言语句在 potentially-invalid 计算之前运行，请使用 tf.control_dependencies ，因为 tf.function auto-control 依赖项对于断言语句来说是不够的。

到原生 TF2 的结构映射

前：

tf.compat.v1.assert_equal(
  x=x, y=y, data=data, summarize=summarize,
  message=message, name=name)

后：

tf.debugging.assert_equal(
  x=x, y=y, message=message,
  summarize=summarize, name=name)

TF1 & TF2 使用示例

TF1：

g = tf.Graph()
with g.as_default():
  a = tf.compat.v1.placeholder(tf.float32, [2])
  b = tf.compat.v1.placeholder(tf.float32, [2])
  result = tf.compat.v1.assert_equal(a, b,
    message='"a == b" does not hold for the given inputs')
  with tf.compat.v1.control_dependencies([result]):
    sum_node = a + b
sess = tf.compat.v1.Session(graph=g)
val = sess.run(sum_node, feed_dict={a:[1, 2], b:[1, 2]})

特遣部队2：

a = tf.Variable([1, 2], dtype=tf.float32)
b = tf.Variable([1, 2], dtype=tf.float32)
assert_op = tf.debugging.assert_equal(a, b, message=
  '"a == b" does not hold for the given inputs')
# When working with tf.control_dependencies
with tf.control_dependencies([assert_op]):
  val = a + b

如果对于每对(可能是广播)元素 x[i] , y[i] ，我们有 x[i] == y[i] ，则此条件成立。如果 x 和 y 都是空的，这很容易满足。

在图形模式下运行时，您应该添加对此操作的依赖以确保它运行。将依赖项添加到操作的示例：

with tf.control_dependencies([tf.compat.v1.assert_equal(x, y)]):
  output = tf.reduce_sum(x)