tensorflow之中经常性的用到相应的tensor数组,查了一下网上对于打印tensor数组的说法,基本上都是这样一个程序
import tensorflow as tf
ones=tf.Variable(tf.ones([3,3]))
# 方法1 InteractiveSession + initializer
inter_sess=tf.InteractiveSession()
ones.initializer.run()
print(inter_sess.run(ones))
# 方法2
inter_sess=tf.InteractiveSession()
tf.global_variables_initializer().run()
print(inter_sess.run(ones))
# 方法3 Session + global_variables_initializer
sess=tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(ones))
# 方法4 with Session + global_variables_initializer
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print(sess.run(ones))
但是实际上这是tensorflow1之中常用于打印数组的操作,tensorflow2使用此种方法已经无法打印,接下来列举两种可以在tensorflow2之中对tensor类型的数值进行打印的操作:
方法:将原先tf1的代码改为tf2的代码进行相应的操作
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
#注意这一句必须要加上,否则程序会报错
Test = tf.ones([4,5])
sess = tf.compat.v1.InteractiveSession()
sess.run(tf.compat.v1.global_variables_initializer())
nd_Test = sess.run(Test) #nd_Test就是ndarray类型,可以在此基础上做其他操作
print(nd_Test)
或者还可以有另外一种写法,使用eval()将数组转为numpy()数组之后直接输出内容
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
Test = tf.ones([4,5])
print('Test = ')
print(Test)
with tf.compat.v1.Session() as sess:
numpy_data = Test.eval()
#numpy_data = Test.tolist()
print('numpy_data = ')
print(numpy_data)
print(type(numpy_data))
另外还有一种打印变量的方法,使用tf.print()去打印相应的变量,这种方法好像并不能成功