• Tensorflow之调试(Debug)及打印变量

• tensorflow调试tfdbg

几种常用方法:

1.通过Session.run()获取变量的值

2.利用Tensorboard查看一些可视化统计

3.使用tf.Print()和tf.Assert()打印变量

4.使用Python的debug工具: ipdb, pudb

5.利用tf.py_func()向图中插入自定义的打印代码, tdb

6.使用官方debug工具: tfdbg : https://tensorflow.google.cn/programmers_guide/debugger

• 注意：TensorFlow 调试程序使用基于 curses 的文本界面。在 Mac OS X 上，ncurses 库是必需的，而且可以使用 brew install homebrew/dupes/ncurses 进行安装。在 Windows 上，curses 并没有得到同样的支持，因此基于 readline 的界面可以与 tfdbg 配合使用（具体方法是使用 pip 安装 pyreadline）。如果您使用的是 Anaconda3，则可以使用 "C:\Program Files\Anaconda3\Scripts\pip.exe" install pyreadline 等命令进行安装。您可以在此处下载非官方 Windows curses 软件包，然后使用 pip install <your_version>.whl 进行安装；不过，Windows 上的 curses 可能无法像 Linux 或 Mac 上的 curses 一样稳定地运行。

• 一个很有用的函数 tf.py_func

它的具体功能描述是包装一个普通的 Python 函数，这个函数接受 numpy 的数组作为输入和输出，让这个函数可以作为 TensorFlow 计算图上的计算节点 OP 来使用。

py_func(

    func,

    inp,

    Tout,

    stateful=True,

    name=None

) 

参数:

    func: 一个 Python 函数, 它接受 NumPy 数组作为输入和输出，并且数组的类型和大小必须和输入和输出用来衔接的 Tensor 大小和数据类型相匹配.

    inp: 输入的 Tensor 列表.

    Tout: 输出 Tensor 数据类型的列表或元祖.

    stateful: 状态，布尔值.

    name: 节点 OP 的名称.