Python tf.print用法及代码示例

打印指定的输入。

用法

tf.print(
    *inputs, **kwargs
)

将指定的输入打印到所需的输出流或日志记录级别的 TensorFlow 运算符。输入可能是密集或稀疏张量、原始 Python 对象、包含张量的数据结构和可打印的 Python 对象。打印的张量将递归地显示要汇总的每个维度的第一个和最后一个元素。

例子：

Single-input 用法：

tensor = tf.range(10)
tf.print(tensor, output_stream=sys.stderr)

(这会将“[0 1 2 ... 7 8 9]”打印到 sys.stderr)

Multi-input 用法：

tensor = tf.range(10)
tf.print("tensors:", tensor, {2:tensor * 2}, output_stream=sys.stdout)

(这会将“张量：[0 1 2 ... 7 8 9] {2:[0 2 4 ... 14 16 18]}”打印到 sys.stdout)

更改输入分隔符：

tensor_a = tf.range(2)
tensor_b = tensor_a * 2
tf.print(tensor_a, tensor_b, output_stream=sys.stderr, sep=',')

(这会将“[0 1],[0 2]”打印到 sys.stderr)

tf.function 中的用法：

@tf.function
def f():
    tensor = tf.range(10)
    tf.print(tensor, output_stream=sys.stderr)
    return tensor

range_tensor = f()

(这会将“[0 1 2 ... 7 8 9]”打印到 sys.stderr)

TF 1.x 图表中的兼容性使用：

在 tf.function 之外手动创建的图形中，此方法返回创建的打印数据的 TF 运算符。为确保算子运行，用户需要将生成的操作传递给 tf.compat.v1.Session 的 run 方法，或者通过指定 with tf.compat.v1.control_dependencies([print_op]) 将操作用作执行操作的控制依赖项。

tf.compat.v1.disable_v2_behavior()  # for TF1 compatibility only

  sess = tf.compat.v1.Session()
  with sess.as_default():
    tensor = tf.range(10)
    print_op = tf.print("tensors:", tensor, {2:tensor * 2},
                        output_stream=sys.stdout)
    with tf.control_dependencies([print_op]):
      tripled_tensor = tensor * 3

    sess.run(tripled_tensor)

(这会将“张量：[0 1 2 ... 7 8 9] {2:[0 2 4 ... 14 16 18]}”打印到 sys.stdout)

注意：在 Jupyter 笔记本和 colabs 中，tf.print 打印到笔记本单元格输出。它不会写入笔记本内核的控制台日志。