Debugging Tensorflow调试或打印语句

我对TensorFlow很陌生，正在努力学习它。我从教程网站上复制了一个程序。当我修改它时，程序出现了问题，我必须进行调试。我正在寻求帮助，以了解如何打印某些值，如成本和优化器。我必须弄清楚每次迭代中更新的值。我知道笔记不能打印，但我认为成本和优化器是可以打印的输入，对吗

plt.ion()
n_observations = 100
xs = np.linspace(-3, 3, n_observations)
ys = np.sin(xs) + np.random.uniform(-0.5, 0.5, n_observations)

X = tf.placeholder(tf.float32)

Y = tf.placeholder(tf.float32)

Y_pred = tf.Variable(tf.random_normal([1]), name='bias')
for pow_i in range(1, 5):

    W = tf.Variable(tf.random_normal([1]), name='weight_%d' % pow_i)
    Y_pred = tf.add(tf.multiply(tf.pow(X, pow_i), W), Y_pred)

cost = tf.reduce_sum(tf.pow(Y_pred - Y, 2)) / (n_observations - 1)
d = tf.Print(cost, [cost, 2.0], message="Value of cost id:")

learning_rate = 0.01
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)

n_epochs = 10
with tf.Session() as sess:

    sess.run(tf.global_variables_initializer())
    prev_training_cost = 0.0
    for epoch_i in range(n_epochs):


    for (x, y) in zip(xs, ys):
    print("Msg2 x, y ", x, y, cost);
    sess.run(optimizer, feed_dict={X: x, Y: y})
    sess.run(d)
    print("Msg3 x, y ttt ", x, y, optimizer);

        training_cost = sess.run(
            cost, feed_dict={X: xs, Y: ys})
        print(training_cost)
        print("Msg3 cost, xs ys", cost, xs, ys);

        if epoch_i % 100 == 0:
            ax.plot(xs, Y_pred.eval(
                feed_dict={X: xs}, session=sess),
                'k', alpha=epoch_i / n_epochs)
        fig.show()
        #plt.draw()
    # Allow the training to quit if we've reached a minimum
    if np.abs(prev_training_cost - training_cost) < 0.001:
        break
    prev_training_cost = training_cost

ax.set_ylim([-3, 3])
fig.show()
plt.waitforbuttonpress()

plt.ion（）
n_观测值=100
xs=np.linspace（-3，3，n_观测值）
ys=np.sin（xs）+np.random.uniform（-0.5,0.5,n_观测值）
X=tf.placeholder（tf.float32）
Y=tf.placeholder（tf.float32）
Y_pred=tf.Variable（tf.random_normal（[1]），name='bias'）
对于范围（1,5）内的功率i：
W=tf.Variable（tf.random\u normal（[1]），name='weight'%d'%pow\u i）
Y_pred=tf.add（tf.multiply（tf.pow（X，pow_i），W），Y_pred）
成本=tf.减少总和（tf.功率（Y_pred-Y，2））/（n_观测值-1）
d=tf.Print（成本，[cost，2.0]，message=“成本id的值：”）
学习率=0.01
优化器=tf.train.GradientDescentOptimizer（学习率）。最小化（成本）
n_时代=10
使用tf.Session（）作为sess：
sess.run（tf.global\u variables\u initializer（））
上一次培训成本=0.0
对于范围内的历元i（n历元）：
对于zip（xs，ys）中的（x，y）：
打印（“Msg2 x，y”，x，y，成本）；
run（优化器，feed_dict={X:X，Y:Y}）
sess.run（d）
打印（“Msg3 x，y ttt”，x，y，优化器）；
培训成本=sess.run(
成本，feed_dict={X:xs，Y:ys}）
打印（培训成本）
打印（“Msg3成本，xs-ys”，成本，xs-ys）；
如果历元i%100==0：
ax.绘图（xs，Y_pred.eval(
feed_dict={X:xs}，session=sess），
“k'，alpha=历元（i/n历元）
图2（图3）
#plt.draw（）
#如果达到最低限度，允许停止培训
如果np.abs（前期培训成本-培训成本）<0.001：
打破
上一次培训成本=培训成本
ax.set_ylim（[-3,3]）
图2（图3）
plt.waitforbuttonpress（）

在您的示例中，

成本

和

优化器

指的是图形中的张量，而不是图形的输入。需要在

会话中获取。运行
调用以打印其python值。例如，在您的示例中，打印
training\u cost
应该是打印成本。类似地，如果您从
session.run（optimizer，…）
返回
optimizer
的值，则它应该返回正确的可打印值

如果您对调试和打印值感兴趣，请查看：





希望有帮助