Retval[0]没有价值:tf.cond(条件，net1，net2)

Question

我试图使用tf.cond()根据一个条件创建两个不同的图。关于两个图，我们想要有重量正则化损失，因此我们使用tf.losses.get_regularization_loss()。下面是我们项目的伪代码

 def net_1(x,y):
  statement 1 (has trainable params)
  statement 2 (has trainable params)
  return

def net_2(x,y):
 statement 1 (has trainable params)
 statement 2 (has trainable params)
 statement 3 (has trainable params)
 return

step = tf.get_or_create_global_step()


tf.cond(tf.greater(step, 100), net_1, net_2)
loss = 0.0
loss += tf.losses.get_regularization_loss()

如果保留tf.losses.get_regularization_loss()，就会得到错误：

Retval没有价值

否则，就没有错误。

如果我们要强制实施tf.cond()，是否需要特别注意tf.losses.get_regularization_loss()。

Answer 1

同样的问题，我用两个类似的函数替换了tf.cond (这与正则化有关).现在找不到更好的解决方案了。