tf.while_loop

tf.while_loop(cond,
　　　　　　　　body,
　　　　　　　　loop_vars,
　　　　　　　　shape_invariants=None, 
　　　　　　　　parallel_iterations=10,
　　　　　　　　back_prop=True,
    　　　　　 swap_memory=False,
　　　　　　　　name=None,　　　　
　　　　　　　　maximum_iterations=None,
　　　　　　　　return_same_structure=False)

tf.while_loop 能夠這樣理解：

loop = []
while cond(loop):
    loop = body(loop)

即loop參數先傳入cond 判斷條件是否成立，成立以後，把 loop參數傳入body 執行操做， 而後返回 操做後的 loop 參數，即loop參數已被更新，再把更新後的參數傳入cond, 依次循環，直到不知足條件。

咱們來看這樣一個場景如何在 tensorflow中實現：

i= 0
n =10
while(i < n):
    i = i +1

首先這個要有個判斷條件的語句，即：

i < n

知足條件就執行循環體裏的操做，這個判斷條件在tensorflow裏，要寫個函數來代替，即：

def cond(i, n):
    return i < n

以後是循環體裏的操做，也要一個函數來代替，即：

def body(i, n):
    i = i + 1
    return i, n

請注意body函數裏雖然沒有與參數 n 有關的操做，可是必需要傳入參數 n, 由於正如前面所說，要構成循環，參數在body函數更新後還要返回給cond函數，判斷是否知足條件，若是不傳入參數 n 下次，就無法判斷了，合起來總得代碼爲：

import tensorflow as tf 

i = tf.constant(0)

c = lambda i: tf.less(i, 10)

b = lambda i: tf.add(i, 1)

r = tf.while_loop(c, b, [i])

with tf.Session() as sess:
    tf.global_variables_initializer().run()    
    print(sess.run(r))