tensorflow简单的查看程序运行时变量的值

 

下面程序演示tensorflow如何在程序的信息中打印变量的值，可用于调试：

为了简单，我们用y=wx作为演示实例，其中w表示变量参数（初始值设为1），x表示输入

损失函数我们选择（真实值-预测值）loss=y-logit，这里损失函数没有什么意义，只是作为演示实例

我们想求每次w的变化就需要用梯度下降法

loss=y-logit,logit=wx  （logit为预测值）

（1）首先要求出∆w的值需要求loss对w的偏导，

即链式求导法则（loss对logit求导，logit对w求导）。

得到∆w=-x

（2）然后利用w=w-L*∆w进行梯度下降自动求导 （L表示学习率，我们设置为1）

w=w-L*∆w=w-1*（-x）=w+2     因此利用自动梯度下降法就相等于w值自增加2.

w增加2，x不变就相当于预测值增加∆wx

下面是程序在培训过程中不停的输出w的值

import tensorflow as tf

x=tf.placeholder(tf.float32,[])
y=tf.placeholder(tf.float32,[])
w=tf.Variable(tf.constant(1.0))

logit=tf.multiply(x,w)
loss=y-logit
train_step=tf.train.GradientDescentOptimizer(1).minimize(loss) #进行自动梯度下降

with tf.Session() as sess:
    init=tf.global_variables_initializer()
    sess.run(init)
    for i in range(100):
        print("***")
        print("训练前的w的值"+str(sess.run(w)))
        print(sess.run(logit, feed_dict={x: 2.0, y: 4}))  #打印预测值，这里的预测值没啥意义
        sess.run(train_step,feed_dict={x:2.0,y:4}) #进行参数训练
        print("训练后的w的值"+str(sess.run(w)))