0

我需要能够在调试输出中清楚地区分张量。让我用一个示例问题来说明这一点：

import tensorflow as tf

def loss(x):
    return x**2

x = tf.Variable(5,dtype=float)
y = tf.Variable(x,dtype=float)

print("x:", x)
print("y:", y)

with tf.GradientTape() as tape1:
    z1 = loss(x)
grad_z1 = tape1.gradient(z1, [x])

with tf.GradientTape() as tape2:
    z2 = loss(y)
grad_z2 = tape2.gradient(z2, [x]) # Variable should be y here!

print("grad_z1:", grad_z1)
print("grad_z2:", grad_z2)

输出是：

x: <tf.Variable 'Variable:0' shape=() dtype=float32, numpy=5.0>
y: <tf.Variable 'Variable:0' shape=() dtype=float32, numpy=5.0>
grad_z1: [<tf.Tensor: id=25, shape=(), dtype=float32, numpy=10.0>]
grad_z2: [None]

在这里，我试图获得一个简单损失函数相对于某个输入变量的梯度。在“z1”的情况下，该示例运行良好，因为存在从x到的图形连接z1。x但是它在 z2 的情况下会中断，因为从到没有图形连接z2。y通过从 的值初始化一个新变量 ，此连接“意外”中断x。在这个例子中问题很明显，但在我更复杂的实际代码中，意外替换像这样的变量更容易，从而破坏计算。然后我不得不四处寻找，试图找出我在哪里犯了这样的错误。

如果我可以检查张量并找出它们在哪里变成不同的对象，这个过程会容易得多。例如，是否有某种独特的 ID 属性或我可以检查的东西？在上面的示例中，我无法分辨，x实际上y是与打印输出完全不同的变量。它们看起来相同，但当然不是。

所以我需要其他可以打印的东西来帮助追踪x意外被交换为y. 有没有这样的财产？肯定有，但我找不到。也许我可以打印对象的内存地址或其他东西，但我也不确定如何在 Python 中做到这一点。

4

2 回答 2

0

我不知道它是否有帮助，但您可以在 TensorFlow 中命名您的张量和变量，请参阅文档。所以在你的情况下，你会做这样的事情：

x = tf.Variable(5,dtype=float, name='x')
y = tf.Variable(x,dtype=float, name='y')

如果这还不够，例如，如果你的张量有相同的名称，你可以使用这个：

import tensorflow.keras.backend as K

x = tf.Variable(5,dtype=float, name='x_' + str(K.get_uid('x')))
y = tf.Variable(x,dtype=float, name='x_' + str(K.get_uid('x')))
于 2020-06-04T10:54:44.360 回答
0

好吧，似乎Python有一个我想要的内置机制：（访问对象内存地址）：

id(object)

这可能足以解决我的问题。虽然如果有一个更简单的标识符可以查看，那么我想我更喜欢它而不是盯着这些看起来随机的大数字。

于 2020-06-04T02:36:59.520 回答