tensorflow的tfdbg指令

因为tensorflow的图计算方式，传统的调试方式是无法进行变量值动态查看的。google提供了tensorflow的官方调试其tfdbg来进行调试工作。

现将基本使用方式概述如下：

1、在源码中用tfdbf的专属Session来封装普通Session，这个很简单，如下：

from tensorflow.python import debug as tf_debug

sess2 = tf_debug.LocalCLIDebugWrapperSession(sess1)

session1是tf普通的session, 使用LocalCLIDebugWrapperSession封装过的session2，可以替代session1来执行后续操作。

2、在控制台命令行下执行python程序，并附带--debug参数，例如：

pyton  -m demo.py  --debug

此时，tf将执行该demo程序，一直到代码中遇到session.run()的语句会停止。此时，tfdbg将进入debug字符界面。这是一种特殊交互方式，需配合命令与鼠标一起操作。

3、tensor张量的debug

在debug某个张量之前，需事先知道这个张量的名称。根据个人经验，这个可以在IDE下，用普通的debug模式查看该张量的名称。

知道名称后，可以用如下指令列出该张量。

lt -n 张量名

如果tfdbg找到该张量，则会以列表形式罗列出来。

找到需要查看的张量，用鼠标可以点击打开。

如下示例：

4、有时候，需要查看的张量会不存在，那么很有可能是因为程序还没执行到产生该张量的代码位置。

根据个人的使用经验，需要debug的程序往往很长，而且该debug方式不同于常见的debuger。因此，需要观察log的输出，可以用来判断程序执行到哪个位置，进而判断想要查看的张量是否已经存在。

5、常用的tfdbg指令

命令	语法或选项	说明	示例
lt		列出转储张量。	lt
	-n <name_pattern>	列出名称符合指定正则表达式格式的转储张量。	lt -n Softmax.*
	-t <op_pattern>	列出指令类型符合指定正则表达式格式的转储张量。	lt -t MatMul
	-f <filter_name>	列出仅通过已注册张量过滤器的张量。	lt -f has_inf_or_nan
	-f <filter_name> -fenn <regex>	列出仅通过已注册张量过滤器的张量，不包括名称符合正则表达式的节点。	lt -f has_inf_or_nan -fenn .*Sqrt.*
	-s <sort_key>	按指定的 sort_key</