首页 文章

如何在TensorFlow中打印Tensor对象的值？

提问于
浏览 次
184

我一直在TensorFlow中使用矩阵乘法的介绍性示例 .

matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1, matrix2)

当我打印产品时，它将其显示为 Tensor 对象：

<tensorflow.python.framework.ops.Tensor object at 0x10470fcd0>

但我怎么知道 product 的 Value ？

以下内容没有帮助：

print product
Tensor("MatMul:0", shape=TensorShape([Dimension(1), Dimension(1)]), dtype=float32)

我知道图表在 Sessions 上运行，但是如果没有在 session 中运行图表，我是否可以检查 Tensor 对象的输出？

python tensorflow

13 回答

  • 17

    不，如果不运行图形，你就看不到张量的内容（做 session.run() ） . 你唯一能看到的是：

    • 张量的维数（但我认为为TF的list of the operations计算它并不困难）

    • 将用于生成张量的操作类型（ transpose_1:0 ， random_uniform:0 ）
      张量中的

    • 元素类型（ float32 ）

    我没有在文档中找到这个，但我相信变量的值（以及一些常量在分配时不计算） .

    看看这个例子：

    import tensorflow as tf
from datetime import datetime
dim = 7000

    第一个例子，我只是启动一个恒定的随机数张量运行大致相同的时间，不可避免的昏暗（ 0:00:00.003261 ）

    startTime = datetime.now()
m1 = tf.truncated_normal([dim, dim], mean=0.0, stddev=0.02, dtype=tf.float32, seed=1)
print datetime.now() - startTime

    在第二种情况下，实际评估常量并分配值，时间显然取决于暗淡（ 0:00:01.244642 ）

    startTime = datetime.now()
m1 = tf.truncated_normal([dim, dim], mean=0.0, stddev=0.02, dtype=tf.float32, seed=1)
sess = tf.Session()
sess.run(m1)
print datetime.now() - startTime

    并且你可以通过计算某些东西来更清楚（ d = tf.matrix_determinant(m1) ，记住时间将在 O(dim^2.8) 中运行）

    附：我发现它是在documentation中解释的：

    Tensor对象是操作结果的符号句柄，但实际上并不保存操作输出的值 .

    回复于
  • 1

    请注意 tf.Print() 将更改张量名称 . 如果您要打印的张量是占位符，则向其提供数据将失败，因为在进纸期间将找不到原始名称 . 例如：

    import tensorflow as tf
tens = tf.placeholder(tf.float32,[None,2],name="placeholder")
print(eval("tens"))
tens = tf.Print(tens,[tens, tf.shape(tens)],summarize=10,message="tens:")
print(eval("tens"))
res = tens + tens
sess = tf.Session()
sess.run(tf.global_variables_initializer())

print(sess.run(res))

    输出是：

    python test.py
Tensor("placeholder:0", shape=(?, 2), dtype=float32)
Tensor("Print:0", shape=(?, 2), dtype=float32)
Traceback (most recent call last):
[...]
InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'placeholder' with dtype float
    回复于
  • 3

    根据上面的答案，您可以使用特定的代码段打印产品，如下所示：

    import tensorflow as tf
#Initialize the session
sess = tf.InteractiveSession()

matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1, matrix2)

#print the product
print(product.eval())

#close the session to release resources
sess.close()
    回复于
  • 0

    虽然其他答案是正确的，在评估图表之前无法打印该值，但在评估图表之后，他们并没有谈到在图表中实际打印值的一种简单方法 .

    评估图形时使用 run 或 eval 查看张量值的最简单方法是使用Print操作，如下例所示：

    # Initialize session
import tensorflow as tf
sess = tf.InteractiveSession()

# Some tensor we want to print the value of
a = tf.constant([1.0, 3.0])

# Add print operation
a = tf.Print(a, [a], message="This is a: ")

# Add more elements of the graph using a
b = tf.add(a, a)

    现在，每当我们评估整个图表时，例如使用 b.eval() ，我们得到：

    I tensorflow/core/kernels/logging_ops.cc:79] This is a: [1 3]
    回复于
  • 25

    评估 Tensor 对象实际值的最简单[A]方法是将其传递给 Session.run() 方法，或者在有默认会话时调用 Tensor.eval() （即在 with tf.Session(): 块中，或参见下文） . 通常[B]，如果不在会话中运行某些代码，则无法打印张量的值 .

    如果您正在尝试编程模型，并且想要一种简单的方法来评估张量，tf.InteractiveSession允许您在程序开始时打开一个会话，然后将该会话用于所有 Tensor.eval() （和 Operation.run() ）调用 . 这在交互式设置中可以更容易，例如shell或IPython笔记本，当在任何地方传递 Session 对象都很繁琐时 .

    这对于如此小的表达式来说可能看起来很愚蠢，但Tensorflow中的一个关键思想是延迟执行：构建大型复杂表达式非常便宜，当你想要评估它时，后端（你连接到它）使用 Session ）能够更有效地安排其执行（例如并行执行独立部分并使用GPU） .

    [A]：要打印张量的值而不将其返回到Python程序，可以使用tf.Print()运算符，如Andrzej suggests in another answer . 请注意，您仍然需要运行图形的一部分来查看此op的输出，该输出将打印到标准输出 . 如果您正在运行分布式TensorFlow， tf.Print() 将其输出打印到运行该操作的任务的标准输出 . 这意味着如果您使用https://colab.research.google.com或任何其他Jupyter Notebook，那么您将无法在笔记本中看到tf.Print()的输出;在这种情况下，请参考this answer关于如何让它仍然打印 .

    [B]：您可能可以使用实验tf.contrib.util.constant_value()函数来获取常量张量的值，但是它并没有为许多运算符定义't intended for general use, and it isn't .

    回复于
  • 4

    重申别人说的话，如果不运行图表就无法检查值 .

    任何寻找打印值的简单示例的人都可以使用一个简单的代码段如下 . 代码可以在ipython笔记本中执行而无需任何修改

    import tensorflow as tf

#define a variable to hold normal random values 
normal_rv = tf.Variable( tf.truncated_normal([2,3],stddev = 0.1))

#initialize the variable
init_op = tf.initialize_all_variables()

#run the graph
with tf.Session() as sess:
    sess.run(init_op) #execute init_op
    #print the random values that we sample
    print (sess.run(normal_rv))

    输出：

    [[-0.16702934  0.07173464 -0.04512421]
 [-0.02265321  0.06509651 -0.01419079]]
    回复于
  • 178

    我认为你需要得到一些正确的基础知识 . 通过上面的示例，您已经创建了张量（多维数组） . 但是要使张量流真正起作用，你必须启动“ session " and run your " operation " in the session. Notice the word " session " and " operation” . 你需要知道使用tensorflow的4件事：

    • 张量

    • 运营

    • 会话

    • 图表

    现在来自你写了什么，你给了张量，操作，但你没有会话运行，也没有图表 . 张量（图的边缘）流过图形并由操作（图形的节点）操纵 . 有默认图表，但您可以在会话中启动您的图表 .

    当您说打印时，您只能访问您定义的变量或常量的形状 .

    所以你可以看到你缺少的东西：

    with tf.Session() as sess:     
           print(sess.run(product))
           print (product.eval())

    希望能帮助到你！

    回复于
  • 5

    试试这个简单的代码！ （这是自我解释）

    import tensorflow as tf
sess = tf.InteractiveSession() # see the answers above :)
x = [[1.,2.,1.],[1.,1.,1.]]    # a 2D matrix as input to softmax
y = tf.nn.softmax(x)           # this is the softmax function
                               # you can have anything you like here
u = y.eval()
print(u)
    回复于
  • 0

    基本上，在tensorflow中，当您创建任何类型的张量时，它们被创建并存储在其中，只有在您运行tensorflow会话时才能访问它 . 假设你已经创建了一个常数张量
    c = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
    没有运行会话，你可以得到

    • op ：一项行动 . 计算此张量的操作 .
    • value_index ：一个int . 生成此张量的操作终点的索引 .
    • dtype ：一个DType . 存储在此张量中的元素类型 .

    要获取值，您可以使用所需的张量运行会话，如下所示：

    with tf.Session() as sess:
    sess.run(c)
    c.eval()

    输出将是

    2018-08-01 14：41：00.397653：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1471]添加可见的gpu设备：0 2018-08-01 14：41：00.397738：I tensorflow / core / common_runtime / GPU / gpu_device . cc：952]具有强度1边缘矩阵的设备互连StreamExecutor：2018-08-01 14：41：00.397759：I tensorflow / core / common_runtime / gpu / gpu_device.cc：958] 0 2018-08-01 14：41：00.397776 ：I tensorflow / core / common_runtime / gpu / gpu_device.cc：971] 0：N 2018-08-01 14：41：00.398018：I tensorflow / core / common_runtime / gpu / gpu_device.cc：1084]创建TensorFlow设备（/ job：localhost / replica：0 / task：0 / device：GPU：0，2752 MB内存） - >物理GPU（设备：0，名称：GeForce GTX 1050 Ti，pci总线ID：0000：01：00.0，计算能力：6.1）数组（[[1 . ，2.，3 . ]，[4.，5.，6 . ]]，dtype = float32）数组（[[1 . ，2.，3 . ]，[4 . ，5.，6 . ]]，dtype = float32）

    我们得到两次打印的数组，因为会话只有张量常数通过而且我们有 c.eval()

    回复于
  • 5
    import tensorflow as tf
sess = tf.InteractiveSession()
x = [[1.,2.,1.],[1.,1.,1.]]    
y = tf.nn.softmax(x)           

matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1, matrix2)

print(product.eval())
tf.reset_default_graph()
sess.close()
    回复于
  • 7

    您应该将TensorFlow核心程序视为由两个独立的部分组成：

    • 构建计算图 .

    • 运行计算图 .

    因此，对于下面的代码，您只需构建计算图 .

    matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1, matrix2)

    您还需要要初始化TensorFlow程序中的所有变量，您必须显式调用特殊操作，如下所示：

    init = tf.global_variables_initializer()

    现在您构建图并初始化所有变量，下一步是评估节点，您必须在会话中运行计算图 . 会话封装TensorFlow运行时的控件和状态 .

    以下代码创建一个Session对象，然后调用其run方法运行足够的计算图来评估 product ：

    sess = tf.Session()
// run variables initializer
sess.run(init)

print(sess.run([product]))
    回复于
  • 128

    直到我执行完之后，即使在阅读完所有答案后，我也很难理解需要什么 . TensofFlow也是我的新手 .

    def printtest():
x = tf.constant([1.0, 3.0])
x = tf.Print(x,[x],message="Test")
init = (tf.global_variables_initializer(), tf.local_variables_initializer())
b = tf.add(x, x)
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(b))
    sess.close()

    但是仍然可能需要执行会话返回的值 .

    def printtest():
    x = tf.constant([100.0])
    x = tf.Print(x,[x],message="Test")
    init = (tf.global_variables_initializer(), tf.local_variables_initializer())
    b = tf.add(x, x)
    with tf.Session() as sess:
        sess.run(init)
        c = sess.run(b)
        print(c)
        sess.close()
    回复于
  • 10

    您可以通过启用eager execution来检查TensorObject的输出，而无需在会话中运行图形 .

    只需添加以下两行代码： import tensorflow.contrib.eager as tfe tfe.enable_eager_execution()

    就在你 import tensorflow 之后 .

    您示例中 print product 的输出现在为： tf.Tensor([[ 12.]], shape=(1, 1), dtype=float32)

    请注意，截至目前（2017年11月），您必须安装Tensorflow每晚构建以启用急切执行 . 可以找到预制的车轮here .

    回复于

相关问题