tensorflow，如何做tf.Print在mnist爲ml初學者

Question

我想在這個page上tensorflow的入門示例。我想打印一下cross_entropy，但什麼也沒有。 這裏是代碼，它也可以從here引用。

from tensorflow.examples.tutorials.mnist import input_data 
import tensorflow as tf 
import numpy as np 

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 

x = tf.placeholder(tf.float32, [None, 784]) 
y_ = tf.placeholder(tf.float32, [None, 10]) 
W = tf.Variable(tf.zeros([784, 10])) 
b = tf.Variable(tf.zeros([10])) 

y = tf.matmul(x, W) + b 
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_)) 
cross_entropy = tf.Print(cross_entropy, [cross_entropy], "###") 
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) 

sess = tf.InteractiveSession() 
tf.global_variables_initializer().run() 
for _ in range(1000): 
    batch_xs, batch_ys = mnist.train.next_batch(100) 
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) 

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})) 

我無法找出原因tf.Print，這勢必會cross_entropy，印刷沒有在每個循環。

我想我已經綁定了tf.Print - > cross_entropy - > train_step並運行這個train_step。我的問題是什麼？

Answer 1

你是對的，tf.Print的（引用文檔）：

的身份與運算時評估打印數據的副作用。

因此，您希望每當有東西流經cross_entropy節點時，您都​​會看到cross_entropy的值。

問題是，你正在最小化真正的交叉熵而不是身份節點。因此，在實踐中，cross_entropy變量是一個「指向」另一個變量的身份節點，該變量得到有效評估。

要解決這個問題，您可以強制圖中節點的評估順序。

您可以限制僅在記錄該值後執行的最小化步驟。要做到這一點，你可以以這種方式使用tf.control_dependencies：

from tensorflow.examples.tutorials.mnist import input_data 
import tensorflow as tf 
import numpy as np 

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 

x = tf.placeholder(tf.float32, [None, 784]) 
y_ = tf.placeholder(tf.float32, [None, 10]) 
W = tf.Variable(tf.zeros([784, 10])) 
b = tf.Variable(tf.zeros([10])) 

y = tf.matmul(x, W) + b 
cross_entropy = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_)) 

with tf.control_dependencies([tf.Print(cross_entropy, [cross_entropy], "###")]): 
    train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) 

sess = tf.InteractiveSession() 
tf.global_variables_initializer().run() 
for _ in range(1000): 
    batch_xs, batch_ys = mnist.train.next_batch(100) 
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) 

correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1)) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
print(
    sess.run(accuracy, feed_dict={x: mnist.test.images, 
            y_: mnist.test.labels}))