Question

我写了那个损失（用于测试keras中的自定义损失）：

def loss(y_true, y_pred):
  loss = -tf.reduce_sum(y_true * tf.log(y_pred))
  loss = tf.Print(loss, [loss], 'loss = ')
return loss

然后：

model.compile(loss=loss, 
              optimizer=keras.optimizers.Adadelta(),
              metrics=['accuracy'])
model.fit(x_train, y_train)

并且没有tf.Print结果：

Epoch 1/12 
60000/60000 [==============================] - 12s 198us/step - loss: 25.3197 - acc: 0.9384 - val_loss: 5.6927 - val_acc: 0.9857
Epoch 2/12
60000/60000 [==============================] - 11s 187us/step - loss: 8.7803 - acc: 0.9798 - val_loss: 4.6938 - val_acc: 0.9888

为什么？

Answer 1

我想你是在Jupyter Notebook中运行它的。 tf.Print()打印到从调用Jupyter Notebook的终端。看看那里，看看是否有输出。

请参阅tf.Print()手册页上的蓝色注释。

来自Evgeniya的评论如下：您可以编写自己的tf.Print()版本来打印所需的数据（代码Vihari Piratla）：

""" The default tf.Print op goes to STDERR Use the function below to direct the output to stdout instead Usage: > x=tf.ones([1, 2]) > y=tf.zeros([1, 3]) > p = x*x > p = tf_print(p, [x, y], "hello") > p.eval() hello [[ 0. 0.]] hello [[ 1. 1.]] """ def tf_print(op, tensors, message=None): def print_message(x): sys.stdout.write(message + " %s\n" % x) return x prints = [tf.py_func(print_message, [tensor], tensor.dtype) for tensor in tensors] with tf.control_dependencies(prints): op = tf.identity(op) return op

Answer 2

我之前见过这个。从python命令行运行py文件，你会看到tf里面的内容。打印（）。

Answer 3

我发现了

print("foo = " + str(foo.eval()))

（其中foo是您的张量）工作正常。

在keras的model.fit中没有tf.Print的结果

3 个答案: