tensorflow实现在函数中用tf.Print输出中间值

tensorflow由于其基于静态图的模式，导致写代码的时候很难调试，除了用官方的调试工具外，最直接的方法就是把中间结果输出出来查看，然而，直接用print函数只能输出tensor变量的形状，而不是数值，想要输出tensor的具体数值需要用tf.Print函数。网上有很多关于这个函数使用方法的说明，这里简要介绍：

Print(
 input_,
 data,
 message=None,
 first_n=None,
 summarize=None,
 name=None
 )

参数：

input_：通过这个操作的张量。 （流入的数据流）

data：计算 op 时要打印的张量列表。（用[ ]引起来的一串需要打印的东西，用逗号隔开）

message：一个字符串，错误消息的前缀。

first_n：只记录 first_n 次数。负数日志，这是默认的。

summarize：只打印每个张量的固定数目的条目。如果没有，则每个输入张量最多打印3个元素。

name：操作的名称（可选）

然而网上大部分资源都是介绍如何在主函数中先建立一个op，再开启一个Session执行sess.run(op)的方法，但是如果想要输出函数中的中间值而该值又未传回主函数呢？这种情况下无法在函数中开启一个新的Session，但是仍然可以用tf.Print建立op来实现。

import tensorflow as tf
import os

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

def test():
 a=tf.constant(0)
 for i in range(10): 
  a_print = tf.Print(a,['a_value: ',a])
  a=a_print+1
 return a
 
if __name__=='__main__':
 with tf.Session() as sess:
  sess.run(test())

运行结果：

a_print可以理解为在图中新增了一个节点，在后续代码中当有别的变量使用了a_print时（如上例a=a_print+1），就会有数据从a_print节点上流过，就会输出值，而究竟会输出几次值呢？这其实并不是看下文中a_print被使用了几次，而是看数据流要从该节点上流经几次，可以理解为a_print这个op被“定义”了几次。

def test():
 a=tf.constant(0)
 a_print = tf.Print(a,['a_value: ',a])
 for i in range(10): 
  a=a_print+1
 return a
 
if __name__=='__main__':
 with tf.Session() as sess:
  sess.run(test())

如果把test()函数改成这样，则运行结果为：

输出仅被执行了一次，因为a_print这个op只被定义了一次，虽然后面在循环里不断被a使用，但是数据只从它身上经过了一次，所以只会print一次，并且a_print的值永远为0，最终返回的a的值也为1。

再把代码改成下例：

def test():
 a=tf.constant(0)
 a_print = tf.Print(a,['a_value: ',a])
 for i in range(10): 
  a_print=a_print+1
 return a
 
if __name__=='__main__':
 with tf.Session() as sess:
  sess.run(test())

运行结果是什么也不会输出，因为a_print这个op没有和别的变量发生关系，它没有被别的变量使用，在图里为孤立的一个节点，没有数据流过，就不会被执行。

而如果改成这样

def test():
 a=tf.constant(0)
 a_print = tf.Print(a,['a_value: ',a])
 for i in range(10): 
  a_print=a_print+1
 return a_print
 
if __name__=='__main__':
 with tf.Session() as sess:
  sess.run(test())

运行结果

返回的a_print值为10也是正确的，因为a_print在下文被返回，所以有数据流流经，会被执行，而因为a_print的定义只执行一次，所以只会输出一次。