如何在TensorFlow中使用变量名称打印当前变量渐变值？

我想打印当前变量梯度值以及所有变量的名称

我正在使用以下代码：

import tensorflow as tf
import numpy as np

x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3

W = tf.Variable(tf.random_uniform([1], -1.0, 1.0), name = "Wvar")
b = tf.Variable(tf.zeros([1]), name = "Bvar")
y = W * x_data + b

loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
grads_and_vars = optimizer.compute_gradients(loss)

train = optimizer.apply_gradients(grads_and_vars)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)

for step in range(201):
     sess.run(train)
     if step % 50 == 0:
       for gv in grads_and_vars:
            print(str(sess.run(gv[0])) + " - " + str(sess.run(gv[1].name)))
            #print(step, sess.run(W), sess.run(b))

计算梯度

返回（梯度、变量）对的列表

---

但我没有得到预期的“GradValue”+VariableName格式，只是看到了像

[-0.58050966]这样的值；[-0.33137798]

不带变量名。如何打印变量名称？

正如您所指出的，

compute\u gradients

返回对列表（gradient，value）。要打印渐变值，您需要在会话中运行它。另一方面，变量的名称是静态的，因此您只需执行以下操作：

for step in range(201):
     sess.run(train)
     if step % 50 == 0:
       for gv in grads_and_vars:
            print(str(sess.run(gv[0])) + " - " + gv[1].name)

---

谢谢你提供的信息，但是如果没有更多的细节，调试是相当困难的。顺便说一句，这个函数更改了tensorflow中的名称，因为我给它写了答案。