如何在 tensorflow 中打印局部张量？

Question

我想在我的程序中打印一个张量，以便在它被评估后查看它的内部值。然而，问题在于张量是在函数内部声明的。为了更好地理解我的问题，这里有一些示例代码可以更好地解释我想做什么：

a = tf.Variable([[2,3,4], [5,6,7]])
b = tf.Variable([[1,2,2], [3,3,3]])

def divide(a,b):
    with tf.variable_scope('tfdiv', reuse=True):
        c = tf.divide(a,b, name='c')
    # Cannot print(c) here, as this will only yield tf info on c
    return c

d = divide(a,b)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(d)
    sess.run(tf.get_variable('tfdiv/c:0').eval(session=sess))

以前，我已经能够执行 print(c.eval(session=sess))，但由于 c 现在是函数内的局部变量，所以它不起作用。从上面的代码中可以看出，我尝试使用 tensorflow 的变量作用域来访问变量然后对其求值。不幸的是，这会导致错误消息：

ValueError: Shape of a new variable (tfdiv/c:0) must be fully defined, but 
instead was <unknown>.

我尝试使用 reuse=True 标志，但我仍然遇到同样的错误。关于如何解决这个问题的任何想法？最好是有一个 print(c) 等效项可以放入 divide 函数中，如上面的代码中所写。

Answer 1

这将实现你想要做的事情：

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(d))

或者，您可以将最后一行替换为：

print(sess.run(tf.get_default_graph().get_tensor_by_name('tfdiv/c:0')))

Answer 2

了解 Python 端代码和 TensorFlow 端代码之间的区别很重要。在 python 中，您只需设置图形：d = divide(a, b) 创建如下内容：

你设置了一个节点（正方形），它将节点a和[=13]中的数据分开=].它不会立即将它们分开！请注意，黑色为 python 变量名称，灰色为 TensorFlow 节点名称 ¹。 a 和 b 也有一些默认名称，如果您没有指定的话。您用 name='c' 指定的灰色 "c"。局部变量 c 和全局变量 d (Python) 都指的是同一个操作（节点）。

这就是为什么如果您说 print(d) 仅打印有关该节点的信息。设置图形后，执行 sess.run(d) 运行 TensorFlow 端 d 中的节点所需的所有节点 。然后它检索结果并将其作为 numpy 数组在 python 侧上可用。

您可以使用 tf.Print(input, data) 在 TF 端 打印张量 。请注意，这是一个对 input 张量没有任何作用的操作（图中的一个节点），它只是传递它，同时还打印 data.
中的所有内容
在您的情况下，您可以像这样在 tensorflow 端使用 Print：

def divide(a,b): with tf.variable_scope('tfdiv', reuse=True): c = tf.divide(a,b, name='c') cp = tf.Print(c, [c], message='Value of c: ', name='P') return cp

这有效地在图中添加了另一个节点（在 TF 端命名为 P）：

现在operationc的值会在每次求值的时候打印出来。请注意，每次评估其依赖项之一时也会打印它，例如，如果您稍后执行 e = d + 1，当您评估 e 时，它需要 d，这是指打印节点（从函数 divide 返回）。

最后请注意，如果您在 Jupyter notebook 中执行此操作，打印将出现在 notebook 服务器的终端中。这个细节现在并不重要:)。

¹ 默认添加 :0 以便您可以使用 name_of_op:0 检索任何张量。操作名称（tfdiv/c）和张量名称（tfdiv/c:0）之间的区别。

如何在 tensorflow 中打印局部张量？

How do I print a local tensor in tensorflow?

python

variables

debugging

local

tensorflow