如何在TensorFlow的tf.while_loop()中使用向量条件？

你遇到的问题核心在于：tf.while_loop要求条件函数返回单个标量布尔值，但tf.greater返回的是布尔向量，而Python原生的all()无法在TensorFlow图模式下迭代张量（因为此时张量还只是计算图节点，没有实际数值），所以才会抛出那个TypeError。

解决这个问题的关键是用TensorFlow内置的图兼容函数来判断布尔向量的所有元素是否为真，推荐用tf.reduce_all()——它会对布尔张量的所有元素执行逻辑与操作，最终返回一个标量布尔值，完美符合tf.while_loop的要求。

修改后的代码如下：

import tensorflow as tf
i = tf.constant(0)
# 使用tf.reduce_all将向量条件转换为单个布尔标量
c = lambda i: tf.reduce_all(tf.greater([10, 10], [i, i]))
b = lambda i: tf.add(i, 1)
r = tf.while_loop(c, b, [i])

简单解释下：tf.reduce_all(tf.greater([10,10], [i,i]))会先比较两个向量的对应元素，得到一个布尔向量，再把这个向量里的所有值做逻辑与，只有当所有元素都是True时，才返回True，循环继续；只要有一个元素是False，就返回False，循环终止。

另外补充个小知识点：如果你的需求是只要向量中有任意一个元素为真就继续循环，可以把tf.reduce_all()换成tf.reduce_any()，它会执行逻辑或操作，满足任意为真的判断。

内容的提问来源于stack exchange，提问作者Mencia