如何将TensorFlow tf.print与非大写p一起使用？

Question

我在自定义损失函数中有一些TensorFlow代码。

我正在使用 tf.Print(node, [debug1, debug2], "print my debugs: ")

它工作正常，但TF说tf.Print是被描述的，一旦我更新TensorFlow并且我应该使用`` tf.**p**rint()p'' 小将被删除。

我尝试使用tf.print与我相同的方式，tf.Print()但无法正常工作。一旦我在Keras中安装了模型，就会出现错误。不像tf.Print，tf.print似乎可以吸收任何东西**kwargs，那么我应该给它什么呢？与tf.Print它不同的是，似乎没有返回我可以注入到计算图中的内容。

确实很难搜索，因为所有在线信息都与有关tf.Print()。

有人可以解释如何使用tf.print()吗？

编辑：示例代码

def custom_loss(y_true, y_pred):
    loss = K.mean(...)
    print_no_op = tf.Print(loss, [loss, y_true, y_true.shape], "Debug output: ")
    return print_no_op

model.compile(loss=custom_loss)

Answer 1

的文档tf.print和tf.Print提及都tf.print返回一个没有输出的操作，因此它不能被评估为任何值。的语法tf.print更类似于 Python 的 builtin print。在您的情况下，您可以按如下方式使用它：

def custom_loss(y_true, y_pred):
    loss = K.mean(...)
    print_op = tf.print("Debug output:", loss, y_true, y_true.shape)
    with tf.control_dependencies([print_op]):
        return K.identity(loss)

这里K.identity创建一个新的张量，与 相同loss但具有对 的控制依赖性print_op，因此评估它将强制执行打印操作。请注意，Keras 也提供了K.print_tensor，尽管它不如tf.print.