[python] TensorFlow에서 Tensor 객체의 값을 인쇄하는 방법은 무엇입니까?

가장 쉬운 ^[A] a의 실제 값 평가하는 방법 Tensor객체는 그것을 전달하는 Session.run()방법, 또는 호출 Tensor.eval()하면 기본 세션이있을 때 (A의 예 with tf.Session():블록을, 또는 아래 참조). 일반적으로 ^[B] 에서는 세션에서 일부 코드를 실행하지 않으면 서 텐서의 값을 인쇄 할 수 없습니다.

프로그래밍 모델을 실험하고 있고 텐서를 쉽게 평가할 수있는 방법을 원한다면 tf.InteractiveSession프로그램 시작시 세션을 열고 모든 Tensor.eval()(및 Operation.run()) 호출에 해당 세션을 사용할 수 있습니다. 셸이나 IPython 노트북과 같은 대화식 설정에서 Session어느 곳에서나 개체 를 전달하는 것이 지루할 때 더 쉽습니다 . 예를 들어 다음은 Jupyter 노트북에서 작동합니다.

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

이것은 작은 표현에는 어리석은 것처럼 보일 수 있지만 Tensorflow 1.x의 주요 아이디어 중 하나는 실행 지연입니다 . 에 연결하면 Session) 더 효율적으로 실행을 예약 할 수 있습니다 (예 : 독립 부품을 병렬로 실행하고 GPU 사용).

[A] : Python 프로그램으로 반환하지 않고 텐서의 값을 인쇄하려면 Andrzej가 다른 답변에서 제안한tf.print() 것처럼 연산자를 사용할 수 있습니다 . 공식 문서에 따르면 :

운영자가 실행되도록하려면 사용자는 생산 된 op를 tf.compat.v1.Sessionrun 메소드에 전달하거나 tf.compat.v1.control_dependencies([print_op]표준 출력으로 인쇄되는) 로 지정하여 op를 실행 된 op에 대한 제어 종속성으로 사용해야합니다 .

또한 다음을 참고하십시오.

Jupyter 노트북 및 Colab tf.print에서 노트북 셀 출력으로 인쇄합니다. 노트북 커널의 콘솔 로그에는 쓰지 않습니다.

[B]는 : 당신은 수도 사용 수 tf.get_static_value()의 값이 효율적으로 계산할 경우, 지정된 텐서의 상수 값을 얻을 기능.

답변

# 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)

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

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))

[[-0.16702934  0.07173464 -0.04512421]
 [-0.02265321  0.06509651 -0.01419079]]

import tensorflow as tf
from datetime import datetime
dim = 7000

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

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

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

import tensorflow as tf
tf.enable_eager_execution()
matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1, matrix2)

#print the product
print(product)         # tf.Tensor([[12.]], shape=(1, 1), dtype=float32)
print(product.numpy()) # [[12.]]

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

#print the product
print(product)         # tf.Tensor([[12.]], shape=(1, 1), dtype=float32)
print(product.numpy()) # [[12.]]

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()