Python 本例中如何打印tensorflow张量值？

我是tensorflow的新手，基本上我在某个地方复制了这个示例，但无法编译它

import  tensorflow as tf
from    tensorflow.keras import datasets, layers, optimizers, Sequential, metrics

(xs, ys),_ = datasets.mnist.load_data()
print('datasets:', xs.shape, ys.shape, xs.min(), xs.max())

xs = tf.convert_to_tensor(xs, dtype=tf.float32) / 255.
db = tf.data.Dataset.from_tensor_slices((xs,ys))
db = db.batch(32).repeat(10)

network = Sequential([layers.Dense(256, activation='relu'),
    layers.Dense(256, activation='relu'),
    layers.Dense(256, activation='relu'),
    layers.Dense(10)])
network.build(input_shape=(None, 28*28))
network.summary()

optimizer = optimizers.SGD(lr=0.01)
acc_meter = metrics.Accuracy()

for step, (x,y) in enumerate(db):

    with tf.GradientTape() as tape:
        x = tf.reshape(x, (-1, 28*28))
        out = network(x)

        y_onehot = tf.one_hot(y, depth=10)
        loss = tf.square(out-y_onehot)
        loss = tf.reduce_sum(loss) / 32
        acc_meter.update_state(tf.argmax(out, axis=1), y)
        grads = tape.gradient(loss, network.trainable_variables)
        optimizer.apply_gradients(zip(grads, network.trainable_variables))

        if step % 200==0:
            print(float(loss))
            exit()

这会产生以下错误：

TypeError: float() argument must be a string or a number, not 'Tensor'

在最后一行的第二行

但是我尝试了

loss.eval（）

，它说

没有注册默认会话。

但是如果我写

tf.Session() as sess:
    print(sess.run(loss))

这会导致一些非常复杂的错误。 如果我写

print（loss.numpy（））

，它会说

AttributeError:“Tensor”对象没有属性“numpy”

---

我在internet上搜索的所有解决方案都要求代码运行

tf.Session（）

，在本例中没有。如何打印

loss

变量的值？

如果您使用的是tf-1.x，首先应该将

tf.enable\u eager\u execution（）

。我只添加了这一行，代码就可以运行了