cond

    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）。

    注解

    1. 因为PaddlePaddle的静态图数据流， 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。

    2. 不论运行哪个分支，在 true_fn 和 false_fn 外创建的Tensor和Op都会被运行，即PaddlePaddle并不是惰性语法（lazy semantics）。例如

    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 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 ，一般无需设置，默认值： None 。

    如果 pred 是 True ，该API返回 true_fn() ，否则返回 false_fn() 。

    返回类型：Tensor|list(Tensor)|tuple(Tensor)

    抛出异常：

    • TypeError - 如果 true_fn 或 false_fn 不是callable。

    • ValueError - 如果 true_fn 和 false_fn 没有返回同样的嵌套结构（nest structure），对嵌套结构的解释见上文。

    1. import paddle
    3. #
    4. # pseudocode:
    5. #     return 1, True
    6. # else:
    8. #
    10. def true_func():
    11.     return paddle.fill_constant(shape=[1, 2], dtype='int32',
    12.                                 value=1), paddle.fill_constant(shape=[2, 3],
    13.                                                                dtype='bool',
    14.                                                                value=True)
    17.     return paddle.fill_constant(shape=[3, 4], dtype='float32',
    18.                                 value=3), paddle.fill_constant(shape=[4, 5],
    19.                                                                dtype='int64',
    20.                                                                value=2)
    22. x = paddle.fill_constant(shape=[1], dtype='float32', value=0.1)
    23. y = paddle.fill_constant(shape=[1], dtype='float32', value=0.23)
    24. pred = paddle.less_than(x=x, y=y, name=None)
    25. ret = paddle.nn.cond(pred, true_func, false_func)
    26. # ret is a tuple containing 2 tensors
    27. # ret[0] = [[1 1]]
    28. # ret[1] = [[ True  True  True]