TensorFlow 函数内的打印语句

Question

我是 TensorFlow 的新手，我正在尝试在一个函数中打印向量的形状，该函数将从 TensorFlow 会话中调用。

问题是这一行（显示为注释掉）仅在最初定义此函数模板时执行（而不是在 TensorFlow 会话期间的每次迭代时）。 如何添加打印语句，以便在每次 TensorFlow 迭代时调用它？

def Q(X):
    # f_debug.write('Q(X) :: X.shape :: ' + str(X.shape) + '\n')

    h = tf.nn.relu(tf.matmul(X, Q_W1) + Q_b1)
    z = tf.matmul(h, Q_W2) + Q_b2
    return z

Answer 1

这是一个需要注意的重要点，也是 TF 中常见的混淆。 该函数不会在会话中被 tensorflow 调用，除了 tf.py_func 之外，没有 python 函数会tf.py_func ，这可能是您问题的解决方法。

Tensorflow 调用您的函数Q只是为了获取符号操作，然后将这些操作添加到依赖关系图中。 在会话期间，依赖图是执行计算所依赖的全部。 即使您正在使用tf.while 、 tf.cond或其他控制流操作。 这些都不会在会话期间调用 python，它们只是按照您定义的方式循环依赖图中的元素。

一般来说，除了使用 Tensorflow Debugger（根本不难配置）之外，没有什么好的方法可以停止 tensorflow 中间图执行的执行。 但是作为一种解决方法，您可能会定义一个tf.py_func python 函数。 这个函数将一个张量编组到一个 python 对象中，并在会话执行期间调用 python（它效率不高，但在某些情况下很方便）。

您可能需要使用with tf.control_dependencies(...):来强制您的tf.py_func操作运行（因为如果它里面只有一个打印语句，它就没有任何依赖项）。

免责声明：我没有以这种方式使用tf.py_func也不是为了这个目的而构建的。

Answer 2

这是 TensorFlow 1 的具体解释。 我确信 TF 2 中的 Eager Execution 改变了其中的一些事情。 请参阅tf.print 的文档。

我在 py_func 函数中使用常规的print()语句没有任何运气。 您可以使用tf.print在 TF 图（py_func 或其他）的执行“内部”执行打印语句。 我只熟悉它在 TF 1 中的使用，但它的工作原理是创建一个新的打印操作并将其添加到 TF 图中：

def Q(X):
    # Note that at least sometimes, X.shape can be resolved before the
    # graph is executed, so you may only need this for the *value* of X

    # Create a new print op
    printop = tf.print('Q:', X)

    # Force printop to be added to the graph by setting it as a 
    # dependency for at least one operation that will be run
    with tf.control_dependencies([printop]):
        h = tf.nn.relu(tf.matmul(X, Q_W1) + Q_b1)
        z = tf.matmul(h, Q_W2) + Q_b2
        return z

我遇到了一些情况，如我所希望这并不工作（我相信，由于多线程）。 如果您找不到图表的节点来附加printop操作，这也可能会很棘手——例如，如果您试图在函数的最后一行打印某些内容。

但这似乎对我来说大部分时间都有效。

tf.print() 上的文档。