Tensorflow入门教程——调试TensorFlow模型

上一篇我介绍了Tensorflow如何数据并行多GPU处理。这一篇我会说一说如何来调试Tensorflow模型。

与普通Python代码相比,由于Tensorflow的符号特性,使得调试Tensorflow代码变得相对困难。我在这里介绍一些Tensorflow中包含的调试工具,它们使调试变得更加容易。

当使用Tensorflow时,最常见的错误可能是将错误大小张量传递给操作运算。许多Tensorflow操作可以对不同行列数和大小的张量进行操作,这在使用API时可能很方便,但当出现问题时可能会很麻烦。

1、使用tf.assert * ops

一种方法是用tf.assert * ops明确验证中间张量行列数和大小来减少不必要的错误。

查看官方文档以获取完整的assertion 操作列表,地址:https://www.TensorFlow.org/api_guides/python/check_ops。

2、使用tf.Print

另一个有用的内置调试函数是tf.Print,对给定张量标记成标准错误。

3、使用tf.compute_gradient_error

并非Tensorflow中的所有操作都带有梯度,我们会在无意中很容易用Tensorflow构建无法计算梯度的图。用tf.compute_gradient_error检查梯度。

4、其它

Tensorflow总结和tfdbg(Tensorflow调试器)是可用于调试的其他工具。地址:

https://www.TensorFlow.org/api_guides/python/summary https://www.TensorFlow.org/api_guides/python/tfdbg

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180509G0B46500?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券