如何在 tensorflow mnist_softmax.py 中打印张量的值

Posted 2023-02-23

【中文标题】如何在 tensorflow mnist_softmax.py 中打印张量的值

【英文标题】：How to print the value of a tensor in tensorflow mnist_softmax.py

【发布时间】：2016-09-01 00:10:51

【问题描述】：

我刚刚尝试在 TensorFlow 0.8 中运行 mnist_softmax.py。 我想在模型测试步骤之前观察y 和y_ 的值。

下面是代码：

print(y)  # added by me
print(y_)  # added by me

# Test trained model
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))

完整的代码可在GitHub 获得。

下面是输出：

Tensor("Softmax:0", shape=(?, 10), dtype=float32)
Tensor("Placeholder_1:0", shape=(?, 10), dtype=float32)

我也尝试过使用sess.run(y)和y.eval()，但是尝试时出现这样的错误：

tensorflow.python.framework.errors.InvalidArgumentError: You must feed a value for placeholder tensor 'Placeholder' with dtype float
         [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]
Caused by op u'Placeholder', defined at: ...

【问题讨论】：

查看：***.com/questions/33610685/…

【参考方案1】：

TL;DR: y 和 y_ 张量都依赖于 tf.placeholder() 操作，因此它们需要您输入输入值评估了他们。您可以通过输入一批输入来在一批输入数据上打印 softmax 的输出，如下所示：

batch_xs, _ = mnist.train.next_batch(100)
print(y.eval(x: batch_xs))

---

MNIST 示例包含以下几行：

# Create the model
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)

请注意，您尝试打印的第一个张量y 是x 的函数，它被定义为tf.placeholder()。 tf.placeholder() op 是一种为计算定义符号 argument 的方法：它本身没有任何值，但它表示 x 必须是具有 784 列的浮点值矩阵.

运行/评估 y 而不提供 x 的值就像编写以下 Python 函数并在没有所有参数的情况下调用它：

def y(x):
    W = ...
    b = ...
    return softmax(matmul(x, W), b)

# This would fail with an error.
print(y())

如何为参数指定一个值？在 TensorFlow 中，您可以通过 输入 占位符的值来做到这一点（例如在 training loop 和 accuracy calculation 中）：

# Get a batch of input data to feed to the computation.
batch_xs, _ = mnist.train.next_batch(100)

print(sess.run(y, feed_dict=x: batch_xs))
# or
print(y.eval(x: batch_xs))

张量y_定义为tf.placeholder()。出于技术原因，您无法直接评估占位符，即使您为其输入值也是如此。但是，这样做并不是特别有用！相反，您可以只打印您想要输入的值。

【讨论】：

谢谢你，先生。我被这个问题困扰了一整天。你的解释比 tensorflow.org 清楚得多。