Tensorflow：跟踪张量需要的值

Question

通过我的网络中的正向传递，我想记录特定tf.variable所需的值。有没有简单的方法来做到这一点？

Answer 1

您可以在tensorflow变量需要的每一步调试值。

Answer 2

有几种方法可以在TensorFlow中记录或调试数据。

最简单的是在会话中运行它，或者eval。例如

import tensorflow as tf 
sess = tf.InteractiveSession() 

v = tf.Variable([0.0]) 
# you can do other graph things here. 

print sess.run(v) 
# alternatively 
print v.eval() 

这通常是不可能的，所以另一种方法是将tf.Print ops放入图中。以下是如何在使用变量时打印变量的方法。

import tensorflow as tf 

v = tf.Variable([0.0], name="the_var") 
v = tf.Print(v, [v], "the_var = ") 

# ... do things with 'v' as if it was the variable op 

的tf.Print运算将只打印前几个项目，如果你有一个大的张量，因此检查文档的summarize和first_n参数来控制多少记录。

您也可以使用TensorBoard在图形执行过程中记录变量的摘要。如果您还没有使用它，那么您应该在之前，TensorFlow中的许多高级API已经在TensorBoard上执行过程中记录了很多关于模型变量的信息。要在TensorBoard中执行自己的日志记录，请使用类似tf.summary.scalar或tf.summary.histogram的东西。

v = tf.Variable([0.0]) 
# this will log to the 'distributions' tab in tensorboard too 
tf.summary.scalar(v) 
tf.summary.histogram(v) 

退房的文档，了解如何执行过程中保存这些汇总到磁盘的详细信息：https://www.tensorflow.org/get_started/summaries_and_tensorboard。

最后，还有一个调试器可用于TensorFlow，tfdbg，您可以用来逐步执行图形执行并转储张量的内容。