Python 如何打印Keras张量的值？

我正在实现自己的Keras损失函数。如何访问张量值

我试过的

def loss_fn(y_true, y_pred):
    print y_true

它打印

Tensor("target:0", shape=(?, ?), dtype=float32)

---

是否有任何Keras功能来访问

y\u true

值？

通常，在准备列车资料时，

y\u true

但是，有一个技巧可以查看

y\u true

和/或

y\u pred

中的值。Keras为您提供了一个编写用于打印神经网络输出的相应文件的机会。 它看起来像这样：

def loss_fn(y_true, y_pred):
    return y_true # or y_pred
...
import keras.callbacks as cbks
class CustomMetrics(cbks.Callback):

    def on_epoch_end(self, epoch, logs=None):
        for k in logs:
            if k.endswith('loss_fn'):
               print logs[k]

aa = tf.constant([[1,5,3]])
bb = keras.layers.Dense(4, name="my_tensor")
print('bb.weights before a assign:',bb.weights,'\n')
print('bb:',bb(aa),'\n')                               
print('bb.weights:',bb.weights)

在这里，

loss\u fn

是在编译模型时将loss函数传递到

model.compile（…，metrics=[loss\u fn]，）

函数的名称

因此，最后，您必须将此

CustomMetrics

回调作为参数传递到

model.fit（）

：

附言：如果您在Keras中使用Theano（或TensorFlow），您将编写一个python程序，然后编译并执行。因此，在您的示例中，

y_true

-只是一个张量变量，用于进一步编译和损失函数计数

---

这意味着无法看到其中的值。例如，在Theano中，您可以在执行相应的

eval（）

函数后查看唯一所谓的共享变量。有关更多信息，请参阅

不能直接从张量符号变量中获取值。你需要写一个theano函数来提取这个值。别忘了选择theano作为Keras的后端

---

检查笔记本链接以获取一些基本的无变量和函数：

Keras'后端具有

打印张量

，您可以使用它来执行此操作。您可以这样使用它：

import keras.backend as K

def loss_fn(y_true, y_pred):
    y_true = K.print_tensor(y_true, message='y_true = ')
    y_pred = K.print_tensor(y_pred, message='y_pred = ')
    ...

该函数返回一个相同的张量。当计算该张量时，它将打印其内容，前面是

消息

。 从：

请注意，print_张量返回一个与x相同的新张量，该张量应在以下代码中使用。否则，在评估过程中不考虑打印操作

---

因此，请确保在之后使用tensor。

如果使用TensorFlow的keras，可以启用：

然后你可以在你的损失函数中打印张量

如果您收到错误消息“ValueError:在急切模式下仅支持TF本机优化器”，并且您使用了“adam”作为优化器，您可以将模型的编译参数更改为

model.compile(optimizer = tf.train.AdamOptimizer(), loss = loss_fn, ...)

更新：TensorFlow 2.x

您只需启用“急切运行”参数即可急切执行Keras模型，如中所述：

之后，您可以使用

print（y\u-true）

、

tf.print（y\u-true）

或

K.print\u-tensor（y\u-true）

I使用

print("y_true = " + str(y_true.eval()))

---

用于调试。

您可以重新定义丢失函数以返回值：

def丢失fn（y_真，y_pred）：
返回y_true

让我们创建一些张量：

从keras导入后端为K
a=K.常数（[1,2,3]）
b=K.常数（[4,5,6]）

并使用API评估损失函数：

loss=loss\u fn（a，b）
K.评估（损失）
#数组（[1,2,3.]，dtype=float32）

要打印张量的值，需要张量具有值 例如：

import tensorflow as tf

aa = tf.constant([1,5,3])
bb = keras.layers.Dense(4, name="my_tensor")
print('aa:',aa)
print('bb:',bb)


aa: tf.Tensor([1 5 3], shape=(3,), dtype=int32)
bb: <tensorflow.python.keras.layers.core.Dense object at 0x000001D4B0137048>

输出：

bb.weight before a assign: [] 

bb: tf.Tensor([[1.0374807 3.4536252 1.5064619 2.1762671]], shape=(1, 4), dtype=float32) 

bb.weight: [<tf.Variable 'my_tensor/kernel:0' shape=(3, 4) dtype=float32, numpy=
array([[ 0.885918  , -0.88332534, -0.40944284, -0.04479438],
       [-0.27336687,  0.34549594, -0.11853147,  0.15316617],
       [ 0.50613236,  0.8698236 ,  0.83618736,  0.4850769 ]],
      dtype=float32)>, <tf.Variable 'my_tensor/bias:0' shape=(4,) dtype=float32, numpy=array([0., 0., 0., 0.], dtype=float32)>]

TypeError: 'tensorflow.python.framework.ops.EagerTensor' object is not callable

feature_extractor: tf.Tensor([[-4.9181094  4.956725  -1.8055304  2.6975303]], shape=(1, 4), dtype=float32) 

输出：

bb.weight before a assign: [] 

bb: tf.Tensor([[1.0374807 3.4536252 1.5064619 2.1762671]], shape=(1, 4), dtype=float32) 

bb.weight: [<tf.Variable 'my_tensor/kernel:0' shape=(3, 4) dtype=float32, numpy=
array([[ 0.885918  , -0.88332534, -0.40944284, -0.04479438],
       [-0.27336687,  0.34549594, -0.11853147,  0.15316617],
       [ 0.50613236,  0.8698236 ,  0.83618736,  0.4850769 ]],
      dtype=float32)>, <tf.Variable 'my_tensor/bias:0' shape=(4,) dtype=float32, numpy=array([0., 0., 0., 0.], dtype=float32)>]

TypeError: 'tensorflow.python.framework.ops.EagerTensor' object is not callable

feature_extractor: tf.Tensor([[-4.9181094  4.956725  -1.8055304  2.6975303]], shape=(1, 4), dtype=float32) 

我使用功能提取程序修复它：

inputs = keras.Input(shape=(3,), name="inputs")
bb = keras.layers.Dense(4, name="my_tensor")(inputs)

feature_extractor = keras.Model(
    inputs=inputs,
    outputs=bb,
)

aa = tf.constant([[1,5,3]])
print('feature_extractor:',feature_extractor(aa),'\n')

输出：

bb.weight before a assign: [] 

bb: tf.Tensor([[1.0374807 3.4536252 1.5064619 2.1762671]], shape=(1, 4), dtype=float32) 

bb.weight: [<tf.Variable 'my_tensor/kernel:0' shape=(3, 4) dtype=float32, numpy=
array([[ 0.885918  , -0.88332534, -0.40944284, -0.04479438],
       [-0.27336687,  0.34549594, -0.11853147,  0.15316617],
       [ 0.50613236,  0.8698236 ,  0.83618736,  0.4850769 ]],
      dtype=float32)>, <tf.Variable 'my_tensor/bias:0' shape=(4,) dtype=float32, numpy=array([0., 0., 0., 0.], dtype=float32)>]

TypeError: 'tensorflow.python.framework.ops.EagerTensor' object is not callable

feature_extractor: tf.Tensor([[-4.9181094  4.956725  -1.8055304  2.6975303]], shape=(1, 4), dtype=float32) 

---

要获得任意层keras张量的输出值（“如何打印keras张量的值？”），似乎需要不同的解决方案。要打印单个图层的输出（从）：

---

如何打印其值？我做了那件事，什么也没说出来。使用Tensorflow后端。这看起来不错，但较长的张量并不是完整打印的（例如：softmax=[[0.0599291697 0.0380649045 0.0828271]…]）。你知道完整打印它们（或者至少控制打印多长时间）的方法吗？@Pablo我找不到任何关于此功能的参考。使用tensorflow后端，实现uses，它接收可提供此功能的

summary

参数，但Keras'

print\u tensor

不转发该参数。您可以尝试手动将

summary

参数添加到

print\u tensor

中。是的，这可能是唯一的方法（）这对我不起作用。丢失函数中没有

print（）

，

tf.print（）

，

K.print\u tensor

worked@Rylan：我已经更新了TensorFlow 2的答案。希望它对你有用！