ValueError:形状必须为0级，但对于“cond_11/开关”是1级(op：'Switch')

Question

实际上，我们不能在if语句中使用tf.var作为bool，而不能使用tf.cond。我为标准化输入数据编写了这段代码，并得到了令人困惑的错误，在哪里做错了？

   def global_contrast_normalize(X, scale=1., subtract_mean=True,use_std=False,
       sqrt_bias=0., min_divisor=1e-8):
       mean=tf.reduce_mean(X,axis=1)
       if subtract_mean:
         X = X - mean[:, numpy.newaxis]  # Makes a copy.
      else:
         X = tf.copy.copy(X)
      if X.get_shape()[1]==1:
        #ddof = 0
        mean, var = tf.nn.moments(X, axes=[1])

        normalizers = tf.sqrt(sqrt_bias + var) / scale

      else:
        normalizers = tf.sqrt(sqrt_bias + tf.reduce_sum((X ** 2),axis=1)) / scale
        Normalizers= tf.Variable(normalizers,'float32')
        M=tf.Variable(min_divisor,'float32')

      tf.cond( tf.less_equal(Normalizers,M),lambda:tf.assign(Normalizers,  [1]),lambda:tf.assign(Normalizers,normalizers))
      X /= Normalizers[:, tf.newaxis]  # Does not make a copy.
      return X

错误：

在_call_cpp_shape_fn_impl raise (err.message)中 ValueError: Shape必须是0级，但对于输入形状为1、1的“cond_11/Switch”(op：‘Switch“)，则为1级。

Answer 1

错误是指出预期输入是标量(秩0)，但形状为(1,1)。通常，您可以通过将输入重塑为标量值(使用tf.reshape(Normalizers, []))来解决这一问题。

在这种情况下，您似乎希望有条件地设置规范化器的值，具体取决于它们是否是<= M。tf.where正是这样做的。

(注意，您不必将规范化器或min_divisor转换为tf.Variable)

Tf.where的示例用法：

def global_contrast_normalize(...):
  ...   
  comparison = tf.less_equal(normalizers,M)
  normalizers = tf.where(comparison, tf.ones_like(normalizers), normalizers
  X /= normalizers[:, tf.newaxis]
  return X