如何打印一些调试？

Question

我正在用 tensorflow 编写我的第一个脚本。我想尝试一个简单的逻辑回归开始，我正在研究 kaggle titanic 数据集。

我的问题是我无法打印一些张量来调试我做错的事情。

我读了这个 post () 但我不明白如何打印张量。 :(

我很确定很接近，但无法弄清楚

让我告诉你我在做什么；

train = pd.read_csv("./titanic_data/train.csv", dtype={"Age": np.float64}, )

# My parameters for start
train_input = train[['Pclass','Age','SibSp','Parch','Fare']];
train_label = train['Survived']
train_label = train_label.reshape(891, 1)

#split my dataset
test_input = train_input[800:891]
test_label = train_label[800:891]
train_input = train_input[0:800]
train_label = train_label[0:800]

x = tf.placeholder(tf.float32, [None, 5]) #placeholder for input data

W = tf.Variable(tf.zeros([5, 1])) #weight for softmax

b = tf.Variable(tf.zeros([1])) # bias for softmax

y = tf.nn.softmax(tf.matmul(x, W) + b) #our model -> pred from model

y_ = tf.placeholder(tf.float32, [None, 1])#placeholder for input 

cross_entropy = -tf.reduce_sum(y_*tf.log(y)) # crossentropy cost function

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
init = tf.initialize_all_variables() # create variable

sess = tf.InteractiveSession()
sess.run(init)

testacc = []
trainacc = []
for i in range(15):
    batch_xs = train_input[i*50:(i + 1) * 50]
    batch_ys = train_label[i*50:(i + 1) * 50]

    result = sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
    correct_prediction = tf.equal(y,y_)

想在这里打印

    **#correct_prediction.eval()
#trying to print correct_prediction or y so i can see what is my model actualy doing**

    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    trainacc.append(sess.run(accuracy, feed_dict={x: train_input, y_: train_label}))
    testacc.append(sess.run(accuracy, feed_dict={x: test_input, y_: test_label}))

我想我所做的一切都是基础知识。如果有人可以帮助我，我会非常棒！我有点卡住了，无法改进我的模型。如果您愿意，请不要犹豫，告诉我好的做法:)

感谢阅读本文！

Answer 1

这里是@Ghoso。

很好，您开始使用 TensorFlow。我喜欢你从一个简单的分类器开始熟悉的想法。

Tensorflow 有这个概念，首先你定义一个计算图。接下来你训练它。在训练之后和训练期间，您可以提供和获取您感兴趣的变量。

在此代码中，您似乎在会话期间定义了张量 "accuracy"。在我看来，"accuracy" 是您图表的一部分。也就是说，"accuracy"依赖于图中的其他节点，可以认为自己是一个节点。

接下来，您可以使用一系列提取而不是一次提取来扩展 sess.run()。像这样： output_list = sess.run([train_step, accuracy], feed_dict = feed_dict)

我在网上有一个小例子，我也将 "accuracy" 定义为一个节点并在会话中获取它。您可能想查看 this 示例。您感兴趣的变量命名为 'accuracy' 和 'correct_prediction'。

希望对您有所帮助！

如何打印一些调试？

How to print some debug?

tensorflow