tensorflow在函数中用tf.Print输出中间值的方法

本文链接：https://blog.csdn.net/sjtuxx_lee/article/details/84571377

tensorflow由于其基于静态图的模式，导致写代码的时候很难调试，除了用官方的调试工具外，最直接的方法就是把中间结果输出出来查看，然而，直接用print函数只能输出tensor变量的形状，而不是数值，想要输出tensor的具体数值需要用tf.Print函数。网上有很多关于这个函数使用方法的说明，这里简要介绍：

Print(
    input_,
    data,
    message=None,
    first_n=None,
    summarize=None,
    name=None
	)

参数：

input_：通过这个操作的张量。（流入的数据流）
data：计算 op 时要打印的张量列表。（用[ ]引起来的一串需要打印的东西，用逗号隔开）
message：一个字符串，错误消息的前缀。
first_n：只记录 first_n 次数。负数日志，这是默认的。
summarize：只打印每个张量的固定数目的条目。如果没有，则每个输入张量最多打印3个元素。
name：操作的名称（可选）

然而网上大部分资源都是介绍如何在主函数中先建立一个op，再开启一个Session执行sess.run(op)的方法，但是如果想要输出函数中的中间值而该值又未传回主函数呢？这种情况下无法在函数中开启一个新的Session，但是仍然可以用tf.Print建立op来实现。

import tensorflow as tf
import os

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

def test():
    a=tf.constant(0)
    for i in range(10):  
        a_print = tf.Print(a,['a_value: ',a])
        a=a_print+1
    return a
    
if __name__=='__main__':
    with tf.Session() as sess:
        sess.run(test())

运行结果：
在这里插入图片描述
a_print可以理解为在图中新增了一个节点，在后续代码中当有别的变量使用了a_print时（如上例a=a_print+1），就会有数据从a_print节点上流过，就会输出值，而究竟会输出几次值呢？这其实并不是看下文中a_print被使用了几次，而是看数据流要从该节点上流经几次，可以理解为a_print这个op被“定义”了几次。

def test():
    a=tf.constant(0)
    a_print = tf.Print(a,['a_value: ',a])
    for i in range(10):  
        a=a_print+1
    return a
    
if __name__=='__main__':
    with tf.Session() as sess:
        sess.run(test())

如果把test()函数改成这样，则运行结果为：
在这里插入图片描述
输出仅被执行了一次，因为a_print这个op只被定义了一次，虽然后面在循环里不断被a使用，但是数据只从它身上经过了一次，所以只会print一次，并且a_print的值永远为0，最终返回的a的值也为1。
再把代码改成下例：

def test():
    a=tf.constant(0)
    a_print = tf.Print(a,['a_value: ',a])
    for i in range(10):  
        a_print=a_print+1
    return a
    
if __name__=='__main__':
    with tf.Session() as sess:
        sess.run(test())

运行结果是什么也不会输出，因为a_print这个op没有和别的变量发生关系，它没有被别的变量使用，在图里为孤立的一个节点，没有数据流过，就不会被执行。
而如果改成这样

def test():
    a=tf.constant(0)
    a_print = tf.Print(a,['a_value: ',a])
    for i in range(10):  
        a_print=a_print+1
    return a_print
    
if __name__=='__main__':
    with tf.Session() as sess:
        sess.run(test())