Tensorflow调试指南：tf.Print

TL；DR

tf.Print(input,data)

a=tf.Print(a,["value",a,"shape",tf.shape(a)])

tensor a可以定义在代码的任意一个位置，只要在session.run时节点a有数据流过（否则你也不会想要debug它），data就会被打印到终端。

Code

import tensorflow as tf

def _test_():
    with tf.variable_scope('ts'):
        a=tf.constant(1)
        a=tf.Print(a,["value",a,"shape",tf.shape(a)])
    return a

import tensorflow as tf
from TryDebug import _test_
if __name__ == '__main__':
    with tf.Session() as sess:
        print(sess.run(_test_()))

Play with it！

Some Detail

1. 信息被打印到标准错误流，而非标准输出流，在pycharm里，前者红色，后者白色
   
2. tf.Print是一个tensor操作，这意味着他也会在图上添加一个节点，这个节点的功能和tf.identity类似，仅传递数据，打印错误输出是它的副作用。
3. data的输入必须是string或者tensor
4. 实际上，tf.Print的input和data并不一定匹配，input的作用仅仅是将节点添加到图上，而data可以是任何有数据流过的节点。

Note：这篇文章适用于tensorflow2.0的静态计算图+会话机制，对于2.0新增加的keras模式和动态计算图，我尚未学习，也不确定是否有更好的办法！