tensorflow调试： tf.Print()

原文地址：https://blog.csdn.net/thormas1996/article/details/81224405

调试程序的时候，经常会需要检查中间的参数，这些参数一般是定义在model或是别的函数中的局部参数，由于tensorflow要求先构建计算图再运算的机制，也不能定义后直接print出来。tensorflow有一个函数tf.Print()，当然用python本身的print也可以，这个稍后提及。

tf.Print(input, data, message=None, first_n=None, summarize=None, name=None)

最低要求两个输入，input和data，input是需要打印的变量的名字，data要求是一个list，里面包含要打印的内容。

message是需要输出的错误信息

first_n指只记录前n次

summarize是对每个tensor只打印的条目数量，如果是None，对于每个输入tensor只打印3个元素

name是op的名字

需要注意的是tf.Print()只是构建一个op，需要run之后才会打印。

例子：

x=tf.constant([2,3,4,5])
x=tf.Print(x,[x,x.shape,'test', x],message='Debug message:',summarize=100)
 
with tf.Session() as sess:
    sess.run(x)
 
#Debug message:[2 3 4 5][4][test][2 3 4 5]
 
x=tf.Print(x,[x,x.shape,'test', x],message='Debug message:',summarize=2)
 
with tf.Session() as sess:
    sess.run(x)
 
#Debug message:[2 3...][4][test][2 3...]

输出是在命令窗口中，和print有区别

用print也可以输出：

x=tf.constant([2,3,4,5])
 
with tf.Session() as sess:
    print(sess.run(x))
 
#[2,3,4,5]

如果希望打印的参数是一个中间参数，换言之是一个局部参数不会被传回主函数。那么首先需要定义一个全局参数去保存它，一般在函数就是定义在最前面的self.para = para，再在主函数中print出来。

--------------------- 
作者：thormas1996 
来源：CSDN 
原文：https://blog.csdn.net/thormas1996/article/details/81224405 
版权声明：本文为博主原创文章，转载请附上博文链接！