While

class paddle.fluid.layers. While ( cond, is_test=False, name=None ) [源代码]

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 while_loop 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。

注意：

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 issue#22724 。

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]。

  • is_test (bool，可选) – 用于表明是否在测试阶段执行，默认值为False。

  • 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

  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])]

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. one = fluid.layers.fill_constant(shape=[1], dtype='float32', value=1)
  7. data = fluid.data(name='data', shape=[1], dtype='float32')
  8. 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
  10. cond = fluid.layers.less_than(x=i, y=loop_len)
  11. while_op = fluid.layers.While(cond=cond)
  12. with while_op.block():
  13.     sums_tensor = fluid.layers.elementwise_add(x=data, y=data)
  14.     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
  15.     i = fluid.layers.increment(x=i, value=1, in_place=True)
  16.     data = fluid.layers.elementwise_add(x=data, y=one)
  17.     fluid.layers.less_than(x=i, y=loop_len, cond=cond)
  19. feed_data = np.ones([1]).astype('float32')
  20. exe = fluid.Executor(fluid.CPUPlace())
  21. exe.run(fluid.default_startup_program())
  22. res = exe.run(fluid.default_main_program(), feed={'data': feed_data}, fetch_list=sums)
  23. print(res[0])  # [2.]    # 因 While 内的 data 没有将值更新到 While 外，故循环过后此处 sums 的值为 [2.]