tensorflow由于其基于靜態(tài)圖的模式，導(dǎo)致寫代碼的時(shí)候很難調(diào)試，除了用官方的調(diào)試工具外，最直接的方法就是把中間結(jié)果輸出出來(lái)查看，然而，直接用print函數(shù)只能輸出tensor變量的形狀，而不是數(shù)值，想要輸出tensor的具體數(shù)值需要用tf.Print函數(shù)。網(wǎng)上有很多關(guān)于這個(gè)函數(shù)使用方法的說(shuō)明，這里簡(jiǎn)要介紹：

Print(
 input_,
 data,
 message=None,
 first_n=None,
 summarize=None,
 name=None
 )

參數(shù)：

input_：通過(guò)這個(gè)操作的張量。 （流入的數(shù)據(jù)流）

data：計(jì)算 op 時(shí)要打印的張量列表。（用[ ]引起來(lái)的一串需要打印的東西，用逗號(hào)隔開(kāi)）

message：一個(gè)字符串，錯(cuò)誤消息的前綴。

first_n：只記錄 first_n 次數(shù)。負(fù)數(shù)日志，這是默認(rèn)的。

summarize：只打印每個(gè)張量的固定數(shù)目的條目。如果沒(méi)有，則每個(gè)輸入張量最多打印3個(gè)元素。

name：操作的名稱（可選）

然而網(wǎng)上大部分資源都是介紹如何在主函數(shù)中先建立一個(gè)op，再開(kāi)啟一個(gè)Session執(zhí)行sess.run(op)的方法，但是如果想要輸出函數(shù)中的中間值而該值又未傳回主函數(shù)呢？這種情況下無(wú)法在函數(shù)中開(kāi)啟一個(gè)新的Session，但是仍然可以用tf.Print建立op來(lái)實(shí)現(xiàn)。

import tensorflow as tf
import os

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

def test():
 a=tf.constant(0)
 for i in range(10): 
  a_print = tf.Print(a,['a_value: ',a])
  a=a_print+1
 return a
 
if __name__=='__main__':
 with tf.Session() as sess:
  sess.run(test())

運(yùn)行結(jié)果：

a_print可以理解為在圖中新增了一個(gè)節(jié)點(diǎn)，在后續(xù)代碼中當(dāng)有別的變量使用了a_print時(shí)（如上例a=a_print+1），就會(huì)有數(shù)據(jù)從a_print節(jié)點(diǎn)上流過(guò)，就會(huì)輸出值，而究竟會(huì)輸出幾次值呢？這其實(shí)并不是看下文中a_print被使用了幾次，而是看數(shù)據(jù)流要從該節(jié)點(diǎn)上流經(jīng)幾次，可以理解為a_print這個(gè)op被“定義”了幾次。

def test():
 a=tf.constant(0)
 a_print = tf.Print(a,['a_value: ',a])
 for i in range(10): 
  a=a_print+1
 return a
 
if __name__=='__main__':
 with tf.Session() as sess:
  sess.run(test())

如果把test()函數(shù)改成這樣，則運(yùn)行結(jié)果為：

輸出僅被執(zhí)行了一次，因?yàn)閍_print這個(gè)op只被定義了一次，雖然后面在循環(huán)里不斷被a使用，但是數(shù)據(jù)只從它身上經(jīng)過(guò)了一次，所以只會(huì)print一次，并且a_print的值永遠(yuǎn)為0，最終返回的a的值也為1。

再把代碼改成下例：

def test():
 a=tf.constant(0)
 a_print = tf.Print(a,['a_value: ',a])
 for i in range(10): 
  a_print=a_print+1
 return a
 
if __name__=='__main__':
 with tf.Session() as sess:
  sess.run(test())

運(yùn)行結(jié)果是什么也不會(huì)輸出，因?yàn)閍_print這個(gè)op沒(méi)有和別的變量發(fā)生關(guān)系，它沒(méi)有被別的變量使用，在圖里為孤立的一個(gè)節(jié)點(diǎn)，沒(méi)有數(shù)據(jù)流過(guò)，就不會(huì)被執(zhí)行。

而如果改成這樣

def test():
 a=tf.constant(0)
 a_print = tf.Print(a,['a_value: ',a])
 for i in range(10): 
  a_print=a_print+1
 return a_print
 
if __name__=='__main__':
 with tf.Session() as sess:
  sess.run(test())

運(yùn)行結(jié)果

返回的a_print值為10也是正確的，因?yàn)閍_print在下文被返回，所以有數(shù)據(jù)流流經(jīng)，會(huì)被執(zhí)行，而因?yàn)閍_print的定義只執(zhí)行一次，所以只會(huì)輸出一次。

以上這篇tensorflow實(shí)現(xiàn)在函數(shù)中用tf.Print輸出中間值就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論