使用Keras / TF在Jupyter Notebook自定義丟失功能中進行打印

Question

在Keras中，如果您在Jupyter筆記本中進行自定義丟失功能，則無法打印任何內容。 例如，如果您有：

def loss_func(true_label, NN_output):
        true_cat = true_label[:,0]
        pred_cat = NN_output[:,0]
        indicator = NN_output[:,1]
        print("Hi!")
        custom_term = K.mean(K.abs(indicator))
        return binary_crossentropy(true_cat, pred_cat) + custom_term

評估該功能時，不會打印任何內容。

作為一種解決方法，如果我要進行一些調試，我發現我可以在cost函數中寫入文件，如果我想打印諸如int或字符串之類的標准內容，這將很有用。

但是，嘗試將類似張量的indicator寫到文件中會產生令人難以置信的有用輸出：

Tensor("loss_103/model_105_loss/Print:0", shape=(512,), dtype=float32)

我知道TF提供了一個tf.Print()方法來打印張量的值，但我不了解Jupyter的作用。 其他答案表明tf.Print()寫入std。 錯誤，這意味着嘗試

sys.stderr = open('test.txt', 'w')

理論上應該允許我從文件中獲取輸出，但是不幸的是這不起作用（至少在Jupyter中）。

是否有任何通用方法可以將張量表示為字符串？ 人們通常如何繞過這個障礙來查看您的代碼的作用？ 如果我想出的方法比尋找均值更重要，那么我想確切地查看計算步驟中正在發生的事情，以驗證其是否可以正常工作。

謝謝！

Answer 1

您可以執行以下代碼：

def loss_func(true_label, NN_output):
    true_cat = true_label[:,0]
    true_cat = tf.Print(true_cat, [true_cat], message="true_cat: ") # added line
    pred_cat = NN_output[:,0]
    pred_cat = tf.Print(pred_cat, [pred_cat], message="pred_cat: ") # added line
    indicator = NN_output[:,1]
    custom_term = K.mean(K.abs(indicator))
    return binary_crossentropy(true_cat, pred_cat) + custom_term

基本上，我添加了兩行來打印true_cat和pred_cat的值。 要打印某些內容，必須在上述語句的tf圖中包含print語句。
但是，訣竅是它將在jupyter筆記本電腦控制台上打印，而您要在jupyter筆記本電腦控制台上而不是在ipython筆記本電腦本身上運行筆記本電腦 。

參考文獻：

如何在TensorFlow中打印Tensor對象的值？

在TensorFlow培訓期間打印損失

https://www.tensorflow.org/api_docs/python/tf/Print