在调试

Question

我在TensorFlow（Python）中实现了一个模型，我之前使用Eigen在C ++中编程，它按预期工作。但是这个模型在Python中并没有像预期的那样工作，可能是因为我错误地定义了张量，或者我正在混合尺寸。

我试图通过使用Visual Studio（2017）调试器来解决这些问题（如果不同的IDE更适合这个，那么我是所有的耳朵，但我更愿意坚持使用VS），但是张量不评估任何东西 - 我可以理解这一点，因为张量定义了一个操作，而不是一个数据对象（它只是在调用session.run之后产生一个数据对象。）

然而，恒定和可变张量 - 以及仅在这些张量之上构建的任何其他张量 - 都带有预定义数据。嘿，为什么不能通过调试UI检查值呢？

所以我的问题是：有没有办法通过一些扩展来检查数据？

例如，如果我在C ++和Eigen中工作，我可以按照here所述使用Eigen.natvis。 TensorFlow有类似的东西吗？它不仅仅是看到评估值的问题。在调试时看到像形状等等的东西会很高兴。

如果有人有好的建议，我也会对TensorFlow代码的其他调试技术持开放态度。

Answer 1

TensorFlow包含# Basic importing of BibTex files library(RefManageR) # User RefManageR to import bibtex references and convert to tibble bib = ReadBib("MyEndnoteBibtexExportFile.bibtex") d.bibEQL = as.data.frame(bibEQL) ，TensorFlow模型的调试器，您可以在其中逐步执行每个执行步骤，检查值，停止NaN等。请参阅程序员指南TensorFlow Debugger和{ {3}}了解更多信息。

然而，

tfdbg设置和使用可能有点麻烦。检查中间值的快速替代方法是The Debugger Dashboard。 TensorFlow包含一些其他use tf.Print operations，您可能会发现它们可用于检查一些基本内容。

编辑：另一个有用的工具是debugging operations。这允许您使用TensorFlow操作，就像它们是常规Python操作一样（它们返回操作的结果而不是图形对象），因此这是检查某些特定代码是否符合您期望的好方法。