IfElse

该类用于实现IfElse分支控制功能， IfElse包含两个Block，true_block，false_block，IfElse会将满足True或False条件的数据分别放入不同的block运行。

  1. # 以下代码完成的功能：对x中大于0的数据减去10，对x中小于0的数据加上10，并将所有的数据求和
  2. import numpy as np
  3. import paddle.fluid as fluid
  5. x = fluid.layers.data(name='x', shape=[4, 1], dtype='float32', append_batch_size=False)
  6. y = fluid.layers.data(name='y', shape=[4, 1], dtype='float32', append_batch_size=False)
  8. x_d = np.array([[3], [1], [-2], [-3]]).astype(np.float32)
  9. y_d = np.zeros((4, 1)).astype(np.float32)
  11. # 比较x, y对元素的大小，输出cond, cond是shape为[4, 1]，数据类型为bool的2-D tensor。
  12. # 根据输入数据x_d, y_d，可以推断出cond中的数据为[[true], [true], [false], [false]]
  13. cond = fluid.layers.greater_than(x, y)
  14. # 同其他常见OP不同的是，该OP返回的ie是一个IfElse OP的对象
  15. ie = fluid.layers.IfElse(cond)
  17. with ie.true_block():
  18.     # 在这个block中，根据cond条件，获取x中对应条件为true维度的数据，并减去10
  19.     out_1 = ie.input(x)
  20.     out_1 = out_1 - 10
  21.     ie.output(out_1)
  22. with ie.false_block():
  23.     # 在这个block中，根据cond条件，获取x中对应条件为false维度的数据，并加上10
  24.     out_1 = ie.input(x)
  25.     out_1 = out_1 + 10
  26.     ie.output(out_1)
  28. # 根据cond条件将两个block中处理后的数据进行合并，此处的output为输出，类型为List，List中的元素类型为Variable。
  29. output = ie() #  [array([[-7.], [-9.], [ 8.], [ 7.]], dtype=float32)]
  31. # 将输出List中的第一个Variable获取出来，并计算所有元素和
  32. out = fluid.layers.reduce_sum(output[0])
  34. exe = fluid.Executor(fluid.CPUPlace())
  35. exe.run(fluid.default_startup_program())
  37. res = exe.run(fluid.default_main_program(), feed={"x":x_d, "y":y_d}, fetch_list=[output[0], out])
  38. print(res)

输出：

  1. [array([[-7.],
  2.        [-9.],
  3.        [ 8.],
  4.        [ 7.]], dtype=float32), array([-1.], dtype=float32)]

参考：IfElse

While

该类用于实现while循环控制功能，只要循环条件cond为True，就循环执行while循环体中的语句，直到cond为False为止。

  1. # 该示例代码展示整数循环+1，循环10次，输出计数结果
  2. import paddle.fluid as fluid
  3. import numpy as np
  5. i = fluid.layers.fill_constant(shape=[1], dtype='int64', value=0)           # 循环计数器
  7. loop_len = fluid.layers.fill_constant(shape=[1],dtype='int64', value=10)    # 循环次数
  9. cond = fluid.layers.less_than(x=i, y=loop_len)              # 循环条件
  10. while_op = fluid.layers.While(cond=cond)
  11. with while_op.block():  # 循环体
  12.     i = fluid.layers.increment(x=i, value=1, in_place=True)
  13.     fluid.layers.less_than(x=i, y=loop_len, cond=cond)      # 更新循环条件
  15. exe = fluid.Executor(fluid.CPUPlace())
  16. exe.run(fluid.default_startup_program())
  18. res = exe.run(fluid.default_main_program(), feed={}, fetch_list=[i])
  19. print(res) # [array([10])]

输出：

  1. [array([10], dtype=int64)]

参考：While

Switch

该类用于实现Switch分支控制功能。Switch分支包含多个case分支和一个default分支，Switch控制流会依次检查各case分支条件是否满足，并仅执行第一个满足条件的case分支后面的语句。若不存在满足条件的case分支，则仅执行default分支后面的语句。

  1. import paddle.fluid as fluid
  3. lr = fluid.layers.create_global_var(
  4.     shape=[1],
  5.     value=0.0,
  6.     dtype='float32',
  7.     persistable=True,
  8.     name="learning_rate")
  9. zero_var = fluid.layers.fill_constant(
  10.     shape=[1], dtype='float32', value=0.0)
  11. one_var = fluid.layers.fill_constant(
  12.     shape=[1], dtype='float32', value=1.0)
  13. two_var = fluid.layers.fill_constant(
  14.     shape=[1], dtype='float32', value=2.0)
  16. # 将参数中的begin设为非0值，则进入Switch的default分支，输出数组中的数字将为2
  17. global_step = fluid.layers.autoincreased_step_counter(counter_name='@LR_DECAY_COUNTER@', begin=0, step=1)
  19. with fluid.layers.control_flow.Switch() as switch:
  20.     with switch.case(global_step == zero_var):
  21.         fluid.layers.assign(input=one_var, output=lr)
  22.     with switch.default():
  23.         fluid.layers.assign(input=two_var, output=lr)
  25. exe = fluid.Executor(fluid.CPUPlace())
  26. exe.run(fluid.default_startup_program())
  28. res = exe.run(fluid.default_main_program(), feed={}, fetch_list=[lr])
  29. print(res) # [array([1.], dtype=float32)]

输出：

  1. [array([1.], dtype=float32)]

参考：Switch

参考资料