Tensorflow CIFAR-10 教程中的布尔表达式

Question

我正在 https://github.com/tensorflow/models/blob/master/official/resnet/cifar10_main.py 上阅读有关 cifar10 的 TF 官方示例的代码我有一些问题：

num_images = is_training and _NUM_IMAGES['train'] or _NUM_IMAGES['validation']

...是什么意思？如何通过这个函数在训练和验证的时候得到合适大小的数据？

input_function = FLAGS.use_synthetic_data and get_synth_input_fn() or input_fn

同样，我不知道它是如何工作的。

Answer 1

这是在 python 中使用整数（或实际上任何对象）进行布尔运算的巧妙应用（有关详细信息，请参阅 this question）。示例：

>>> True and 10 or 20
Out[11]: 10
>>> False and 10 or 20
Out[12]: 20

>>> a = False and (lambda x: x) or (lambda x: 2*x)
>>> a(1)
Out[14]: 2

所以num_images的结果是一个整数（第一个或第二个取决于is_training），input_function的结果是一个函数（同样，第一个或第二个一个取决于标志 use_synthetic_data).

Answer 2

在这种情况下，您是 TensorFlow 错误代码风格的受害者。本教程是使用特定的 Python anti-trick 编写的，其中您使用 and 到 select 两个对象的最终对象，这些对象在布尔值中的计算结果为 True在第一个对象的计算结果为 False.

的情况下，您使用 or 到 select 最终对象

你可以通过一些更简单的例子更容易地看到它：

In [9]: 3 and "hello"
Out[9]: 'hello'

In [10]: 3 and False or "foobar"
Out[10]: 'foobar'

因此，这些行通过将这两个 anti-trick 链接在一起来 select 调整必要的功能或数据大小。

这会产生不必要的混淆和不可读的代码，一旦有人仅仅因为语言支持它就认为它没问题，或者 "it's Pythonic" 你就可以停止相信他们的建议了。

Answer 3

num_images = is_training and _NUM_IMAGES['train'] or _NUM_IMAGES['validation']

等同于

if is_training:
    num_images = _NUM_IMAGES['train']
else:
    num_images = _NUM_IMAGES['validation']

同理：

input_function = FLAGS.use_synthetic_data and get_synth_input_fn() or input_fn

相当于：

if FLAGS.use_synthetic_data:
   input_function = get_synth_input_fn()
else:
    input_function = input_fn()

虽然我给出的更详细的变体可能更具可读性，但原始的 tensorflow 版本更紧凑。

and 运算符短路，例如

(A and B)

B 仅在 A 为真时才计算。

这意味着在：

A and B or C

如果 A 为真，则计算 B 而 or 永远不会计算 C，所以结果是 B。如果 A 为假，则永远不会计算 B，结果为 C.

有关更多信息，请研究文档：

Boolean expression in Tensorflow CIFAR-10 tutorial