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。

    注解

    如果参数 cond 的形状为[1]，强烈建议您使用新的OP 而不是 While。 OP while_loop 的使用方式更简单，并且调用该OP所用的代码更少且功能与 While 一样。

    在 While 中创建的局部变量类似于C++中的while，无法被外部引用，因此无法通过 Executor 中的 fetch_list 来获取。 若想实现该功能，PaddlePaddle提供了 assign 接口将局部变量赋值到外部，请参考示例代码2 或参考 。

    参数：

    • cond (Variable) – 用于判断循环继续进行的条件，为数据类型bool型的Tensor，其shape必须为[1]。

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

    代码示例 1

    代码示例 2

    1. import paddle.fluid as fluid
    2. import numpy as np
    4. i = fluid.layers.fill_constant(shape=[1], dtype='int64', value=0)
    5. loop_len = fluid.layers.fill_constant(shape=[1], dtype='int64', value=10)
    6. data = fluid.data(name='data', shape=[1], dtype='float32')
    7. sums = fluid.layers.fill_constant(shape=[1], dtype='float32', value=0)  # 在 While 外先定义要获取的变量，需和要获取的 While 内部的变量名称不同
    9. cond = fluid.layers.less_than(x=i, y=loop_len)
    10. while_op = fluid.layers.While(cond=cond)
    11. with while_op.block():
    13.     fluid.layers.assign(input=sums_tensor, output=sums)  # 将 While 内定义的变量 sums_tenosr 通过 layers.assign 更新至 While 外的变量 sums 中
    14.     data = fluid.layers.elementwise_add(x=data, y=one)
    15.     fluid.layers.less_than(x=i, y=loop_len, cond=cond)
    17. feed_data = np.ones([1]).astype('float32')
    18. exe = fluid.Executor(fluid.CPUPlace())
    19. exe.run(fluid.default_startup_program())
    20. res = exe.run(fluid.default_main_program(), feed={'data': feed_data}, fetch_list=sums)