Question

据我所知，我应该可以通过这样的方式在我的图表中添加一个打印操作符：

a = nn_ops.softmax(s)

a = tf.Print(a, [tf.shape(a)], message="This is shape a: ")

并且在执行图表时，应该打印a的形状。但是，这个语句对我没有产生输出（我正在运行seq2seq tensorflow教程，这个softmax属于注意函数，所以它肯定是执行的）。

我做获取输出，而不是我做这样的事情：

ph = tf.placeholder(tf.float32, [3,4,5,6])

ts = tf.shape(ph)

tp = tf.Print(ts, [ts], message="PRINT=")

sess = tf.Session()

sess.run(tp)

但是，在我的实例中，sess.run()在seq2seq_model.py中调用，如果我尝试在注意函数中执行sess.run(a)，则tensorflow会抱怨：

You must feed a value for placeholder tensor 'encoder0' with dtype int32

但我在代码中此时无法访问输入Feed。我怎样才能解决这个问题？

Answer 1

如果您只是想知道张量形状，通常可以在不运行图形的情况下推断出它。那你就不需要tf.Print。

例如，在第二个代码片段中，您可以使用：

ph = tf.placeholder(tf.float32, [3,4,5,6])
print(ph.get_shape())

如果您想在输入尺寸上看到依赖的形状（使用tf.shape），或者您希望在依赖上看到一个值依赖如果没有提供输入数据，则无法输入。

例如，如果您训练的模型中x和y分别是您的样本和标签，则无法在不提供成本的情况下计算成本。

如果您有以下代码：

predictions = ...
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y_output, y_train))
cost = tf.Print(cost, [tf.shape(cost)], message='cost:')

尝试在不提供占位符值的情况下对其进行评估将不起作用：

sess.run(cost)
# error, no placeholder provided

然而，这将按预期工作：

sess.run(cost, {x: x_train, y: y_train})

关于你的第一个代码片段。为了工作，需要执行tf.Print节点才能打印消息。我怀疑在你的情况下，在进一步的计算过程中不使用打印节点。

例如，以下代码不会产生输出：

import tensorflow as tf

a = tf.Variable([1., 2., 3])
b = tf.Variable([1., 2., 3])

c = tf.add(a, b)

# we create a print node, but it is never used
a = tf.Print(a, [tf.shape(a)], message='a.shape: ')

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(c))

但是，如果您反转行以便在计算期间使用打印节点，您将看到输出：

a = tf.Print(a, [tf.shape(a)], message='a.shape: ')
# now c depends on the tf.Print node
c = tf.add(a, b)

如何正确将tf.Print（）节点附加到张量流图？

1 个答案: