如何在TensorFlow中打印张量对象的值？

Question

我一直在使用TensorFlow中矩阵乘法的例子。

matrix1 = tf.constant([[3., 3.]]) 
matrix2 = tf.constant([[2.],[2.]]) 
product = tf.matmul(matrix1, matrix2) 

当我打印的产品，它会显示它作为一个Tensor对象：

<tensorflow.python.framework.ops.Tensor object at 0x10470fcd0> 

但是我怎么知道的product价值？

以下没有帮助：

print product 
Tensor("MatMul:0", shape=TensorShape([Dimension(1), Dimension(1)]), dtype=float32) 

我知道，图表上Sessions运行，但是是不是有什么办法可以检查Tensor对象的输出，而不运行在session图？

Answer 1

，最简单的方式*来评估Tensor对象的实际值是将它传递给Session.run()方法，或拨打Tensor.eval()当你有一个默认会话（即，在一个with tf.Session():块，或见下文）。一般来说，**你不能在会话中运行一些代码的情况下打印张量的值。

如果您正在使用的编程模型试验，并希望有一个简单的方法来评价张量，该tf.InteractiveSession可以让你在你的程序开始打开会话，然后用所有Tensor.eval()（和Operation.run()）这届会议呼叫。在一个交互式设置中，例如shell或IPython笔记本，当在任何地方传递一个对象时都很麻烦。

这似乎是愚蠢的，这样一个小的表达，但在Tensorflow的主要观点之一是延迟执行：这是非常廉价的构建一个庞大而复杂的表情，当你要评估它的背结尾（与Session连接时）可以更高效地安排其执行（例如，并行执行独立部分并使用GPU）。

---

*  要打印张量的值，而无需将其返回到你的Python程序，你可以使用tf.Print()运算符，如Andrzej suggests in another answer。请注意，您仍需要运行部分图表来查看此op的输出，该输出将打印到标准输出。如果您正在运行分布式TensorFlow，则tf.Print()将将其输出打印到运行该任务的任务的标准输出。

**  您可能能够使用实验tf.contrib.util.constant_value()函数来获得恒定的张量的值，但它不适用于一般用途，并且不为许多运营商定义的。

Answer 2

不，您不能在没有运行图形的情况下（做session.run()）看到张量的内容。你可以看到的唯一的事情是：

• 张量的维度（但我相信它是不是很难计算它为TF具有list of the operations）
• 类型将用于生成操作的张量（transpose_1:0，random_uniform:0）在张量
• 类型的元素（float32）

我没有在文档中发现这一点，但我相信变量的值（和一些常量在分配时不计算）。

---

看看这个例子：

import tensorflow as tf 
from datetime import datetime 
dim = 7000 

第一个例子，我刚开始的随机数不变张量运行大约在同一时间irrespectibly的暗淡（0:00:00.003261）

startTime = datetime.now() 
m1 = tf.truncated_normal([dim, dim], mean=0.0, stddev=0.02, dtype=tf.float32, seed=1) 
print datetime.now() - startTime 

在第二种情况下，实际获取常数并分配值时，时间显然取决于暗（0:00:01.244642）

startTime = datetime.now() 
m1 = tf.truncated_normal([dim, dim], mean=0.0, stddev=0.02, dtype=tf.float32, seed=1) 
sess = tf.Session() 
sess.run(m1) 
print datetime.now() - startTime 

而且你可以通过计算的东西（d = tf.matrix_determinant(m1)，记住，时间将在O(dim^2.8)运行）

附：它更清晰我发现了它在documentation解释说：

张量对象是一个象征性的手柄操作， 的结果，但实际上并没有存储操作的输出值。

Answer 3

虽然其他答案是正确的，直到您评估图表时才能打印该值，但他们不会谈论在图表中实际打印值的简单方法，只要您对其进行评估即可。

（使用run或eval）看每当图形被评估的张量的值的最简单方法是使用Print操作如在这个例子中：

# Initialize session 
import tensorflow as tf 
sess = tf.InteractiveSession() 

# Some tensor we want to print the value of 
a = tf.constant([1.0, 3.0]) 

# Add print operation 
a = tf.Print(a, [a], message="This is a: ") 

# Add more elements of the graph using a 
b = tf.add(a, a) 

现在，只要我们评估了整个图表，例如使用b.eval()，我们得到：

I tensorflow/core/kernels/logging_ops.cc:79] This is a: [1 3] 

Answer 4

重申别人说什么，它不是可以检查值，而不运行图。

对于任何想要打印值的简单示例的人来说，简单的代码片段如下所示。该代码可以不加任何修改在IPython的笔记本电脑中执行

import tensorflow as tf 

#define a variable to hold normal random values 
normal_rv = tf.Variable(tf.truncated_normal([2,3],stddev = 0.1)) 

#initialize the variable 
init_op = tf.initialize_all_variables() 

#run the graph 
with tf.Session() as sess: 
    sess.run(init_op) #execute init_op 
    #print the random values that we sample 
    print (sess.run(normal_rv)) 

输出：

[[-0.16702934 0.07173464 -0.04512421] 
[-0.02265321 0.06509651 -0.01419079]] 

Answer 5

基于以上问题的答案，与您的特定代码片断，可以打印产品是这样的：

import tensorflow as tf 
#Initialize the session 
sess = tf.InteractiveSession() 

matrix1 = tf.constant([[3., 3.]]) 
matrix2 = tf.constant([[2.],[2.]]) 
product = tf.matmul(matrix1, matrix2) 

#print the product 
print(product.eval()) 

#close the session to release resources 
sess.close() 

Answer 6

试试这个简单的代码！ （这是自我解释）

import tensorflow as tf 
sess = tf.InteractiveSession() # see the answers above :) 
x = [[1.,2.,1.],[1.,1.,1.]] # a 2D matrix as input to softmax 
y = tf.nn.softmax(x)   # this is the softmax function 
           # you can have anything you like here 
u = y.eval() 
print(u) 

Answer 7

我认为你需要得到一些基本面的权利。通过上面的示例，您创建了张量（多维数组）。但是为了使张量流动真正起作用，您必须在会话中启动“会话”并运行您的“操作”。注意单词“会话”和“操作”。 你需要知道的4件事与tensorflow工作：

1. 张量
2. 操作
3. 会议
4. 图形

现在从你写出来，你已经给了张量，和该操作，但你没有会议运行，也没有图形。张量（图的边）流过图并由操作（图的节点）操纵。有默认图表，但您可以在会话中启动您的图表。

当你说打印时，你只能访问你定义的变量或常量的形状。

所以，你可以看到你错过了什么：

with tf.Session() as sess:  
      print(sess.run(product)) 
      print (product.eval()) 

希望它能帮助！

Answer 8

请注意，tf.Print()将改变张量名称。 如果您试图打印的张量是一个占位符，向其馈送数据将失败，因为在喂食过程中不会找到原始名称。 例如：

import tensorflow as tf 
tens = tf.placeholder(tf.float32,[None,2],name="placeholder") 
print(eval("tens")) 
tens = tf.Print(tens,[tens, tf.shape(tens)],summarize=10,message="tens:") 
print(eval("tens")) 
res = tens + tens 
sess = tf.Session() 
sess.run(tf.global_variables_initializer()) 

print(sess.run(res)) 

输出是：

python test.py 
Tensor("placeholder:0", shape=(?, 2), dtype=float32) 
Tensor("Print:0", shape=(?, 2), dtype=float32) 
Traceback (most recent call last): 
[...] 
InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'placeholder' with dtype float 

Answer 9

你应该想到TensorFlow核心方案为由两个独立的部分组成：

• 构建计算图表。
• 运行计算图。

因此，对于下面的代码，只需构建计算图。

matrix1 = tf.constant([[3., 3.]]) 
matrix2 = tf.constant([[2.],[2.]]) 
product = tf.matmul(matrix1, matrix2) 

你也需要初始化一个TensorFlow程序所有的变量，你必须显式调用一个特殊的操作如下：

init = tf.global_variables_initializer() 

现在你建立图并初始化所有的变量，下一步是要评估节点，您必须在会话中运行计算图。会话封装了TensorFlow运行时的控制和状态。

下面的代码创建一个Session对象，然后调用它的run方法运行足够的计算图表，以评估product：没有在会话中运行图

sess = tf.Session() 
// run variables initializer 
sess.run(init) 

print(sess.run([product])) 

Answer 10

可以检查TensorObject的输出，通过启用eager execution。之后你import tensorflow权 import tensorflow.contrib.eager as tfe tfe.enable_eager_execution()

：

只需添加以下代码两行。

的print product在你的例子现在输出将是： tf.Tensor([[ 12.]], shape=(1, 1), dtype=float32)

需要注意的是，截至目前（2017年11月），你必须安装一个Tensorflow夜间生成，使急于执行。预制轮可以在here找到。