《TensorFlow技术解析与实战》第16章 TensorFlow Debugger[1]

第16章　TensorFlow Debugger[1]

TensorFlow Debugger（tfdbg）是TensorFlow的专用调试器。它使用断点和计算机图形化来展现实时数据流，提供了运行TensorFlow图形的内部结构和状态的可视化。这种可视化非常有助于在训练和推理期间调试各种类型的模型错误。

本章会通过讲解如何调试TensorFlow模型开发中一种常见的错误类型——非数字（nan）和无限值（inf）导致的训练失败，来展示tfdbg命令行界面（command line interface，CLI）的功能。而这对一般调试器（如C++的gdb或者Python的pdb）来说，是很难调试的。

此外，TensorFlow这种使用符号式编程的语言本身就以难调试而闻名，没有经验的开发者常常很难直观地感受数据流图在做什么，因此，出现了问题就难以定位，更谈不上说高级的优化任务。

16.1　Debugger的使用示例

本节我们以一个错误运行的MNIST训练为例，看看如何通过TensorFlow Debugger来找到出错的地方，并改正。源代码位于tensorflow-1.1.0/tensorflow/python/debug/examples/debug_mnist.py。我们先不加调试器，直接执行，如下：

python -m tensorflow.python.debug.examples.debug_mnist

也可以进入tensorflow-1.1.0/tensorflow/python/debug/examples执行