cond¶

paddle.static.nn. cond ( pred, true_fn=None, false_fn=None, name=None ) [源代码] ¶

如果 pred 是 True ，该API返回 true_fn() ，否则返回 false_fn() 。用户如果不想在 callable 中做任何事，可以把 true_fn 或 false_fn 设为 None ，此时本API会把该 callable 视为简单返回 None 。

true_fn 和 false_fn 需要返回同样嵌套结构（nest structure）的Tensor，如果不想返回任何值也可都返回 None 。 PaddlePaddle里Tensor的嵌套结构是指一个Tensor，或者Tensor的元组（tuple），或者Tensor的列表（list）。

注意：

true_fn 和 false_fn 返回的元组必须形状相同，但是里面的Tensor形状可以不同。
本接口在动态图和静态图模式下都可以运行，在动态图情况下就只会按 pred 条件运行其中一支分支。
静态图模式下，因为各个分支都要参与组网，因此不论运行哪个分支，在 true_fn 和 false_fn 内外创建的Tensor和Op都会组网，即PaddlePaddle并不是惰性语法（lazy semantics）。例如
```
import paddle

a = paddle.zeros((1, 1))
b = paddle.zeros((1, 1))
c = a * b
out = paddle.static.nn.cond(a < b, lambda: a + c, lambda: b * b)
```
不管 a < b 是否成立， c = a * b 都会被组网且运行， a + c 和 b * b 都会参与组网，只是组网后运行时只会运行条件对应的分支。

参数¶

pred (Tensor) - 一个形状为[1]的布尔型（boolean）的Tensor，该布尔值决定要返回 true_fn 还是 false_fn 的运行结果。

true_fn (callable) - 一个当 pred 是 True 时被调用的callable，默认值： None 。

false_fn (callable) - 一个当 pred 是 False 时被调用的callable，默认值： None 。

name (str，可选) – 具体用法请参见 Name ，一般无需设置，默认值： None 。

返回¶

Tensor|list(Tensor)|tuple(Tensor)，如果 pred 是 True ，该API返回 true_fn() ，否则返回 false_fn() 。

代码示例¶

          import paddle

#
# pseudocode:
# if 0.1 < 0.23:
#     return 1, True
# else:
#     return 3, 2
#

def true_func():
    return paddle.full(shape=[1, 2], dtype='int32',
                       fill_value=1), paddle.full(shape=[2, 3],
                                                  dtype='bool',
                                                  fill_value=True)


def false_func():
    return paddle.full(shape=[3, 4], dtype='float32',
                       fill_value=3), paddle.full(shape=[4, 5],
                                                  dtype='int64',
                                                  fill_value=2)

x = paddle.full(shape=[1], dtype='float32', fill_value=0.1)
y = paddle.full(shape=[1], dtype='float32', fill_value=0.23)
pred = paddle.less_than(x=x, y=y, name=None)
ret = paddle.static.nn.cond(pred, true_func, false_func)
# ret 是包含两个tensors的元组
# ret[0] = [[1 1]]
# ret[1] = [[ True  True  True]
#           [ True  True  True]]

         