[英]tensorflow, how to do tf.Print in mnist for ml beginners
我正在嘗試此頁面上的tensorflow入門示例。 我想就cross_entropy打印某事,但一無所獲。 這是代碼,也可以從這里引用。
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import numpy as np
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
x = tf.placeholder(tf.float32, [None, 784])
y_ = tf.placeholder(tf.float32, [None, 10])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.matmul(x, W) + b
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_))
cross_entropy = tf.Print(cross_entropy, [cross_entropy], "###")
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
for _ in range(1000):
batch_xs, batch_ys = mnist.train.next_batch(100)
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))
我不知道為什么tf.Print
綁定到cross_entropy,而在每個循環中什么也不打印。
我想我已經綁定了tf.Print-> cross_entropy-> train_step並運行此train_step。 我怎么了
沒錯, tf.Print
是(引用文檔):
評估時具有打印數據副作用的身份操作。
因此,正確地,您希望每當有東西跨過cross_entropy
節點時,就會看到cross_entropy
的值。
問題在於您要最小化實際的交叉熵而不是標識節點。 因此,在實踐中, cross_entropy
變量是一個“指向”另一個有效評估的變量的標識節點。
為了解決這個問題,您可以強制評估圖中節點的順序。
您可以限制僅在記錄值之后才執行的最小化步驟。 為此,您可以通過以下方式使用tf.control_dependencies
:
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import numpy as np
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
x = tf.placeholder(tf.float32, [None, 784])
y_ = tf.placeholder(tf.float32, [None, 10])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.matmul(x, W) + b
cross_entropy = tf.reduce_mean(
tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_))
with tf.control_dependencies([tf.Print(cross_entropy, [cross_entropy], "###")]):
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
for _ in range(1000):
batch_xs, batch_ys = mnist.train.next_batch(100)
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(
sess.run(accuracy, feed_dict={x: mnist.test.images,
y_: mnist.test.labels}))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.