如何在Tensor2Tensor中打印张量形状？GPU报错及无输出问题

针对你遇到的张量形状显示为“?”、手动新建Session触发GPU错误、tf.print无输出的问题，结合你使用tf.compat.v1.train.MonitoredSession和t2t-decoder启动的场景，给出以下可行方案：

方案一：借助MonitoredSession的run方法获取形状并解决设备问题 #

程序已通过MonitoredSession管理会话，不能单独新建tf.Session，需在MonitoredSession上下文内调用run获取张量形状，同时解决CPU/GPU不匹配问题：

1. 调整启动命令强制使用CPU
   启动t2t-decoder时添加--device=cpu参数，避免程序尝试分配GPU设备：

t2t-decoder --device=cpu  # 保留其他原有参数

2. 在MonitoredSession中获取并打印形状
   找到代码中创建MonitoredSession的位置，在会话上下文内添加形状打印逻辑：

with tf.compat.v1.train.MonitoredSession(
    session_creator=tf.compat.v1.train.ChiefSessionCreator(...)
) as sess:
    # 原有解码/运行逻辑
    # 获取张量x的动态形状
    x_shape = sess.run(tf.shape(x))
    print("张量x的形状:", x_shape)
    # 查看静态形状（可能包含?）可直接调用
    print("张量x的静态形状:", x.get_shape())

方案二：让tf.print在MonitoredSession中生效 #

tf.print是计算图中的操作，必须被执行才会输出内容，需将其加入执行流或在会话中主动运行：

# 定义打印操作
print_shape_op = tf.print("张量x的动态形状:", tf.shape(x))

# 在MonitoredSession中执行该操作
with tf.compat.v1.train.MonitoredSession(...) as sess:
    # 主动运行打印操作
    sess.run(print_shape_op)
    # 后续原有逻辑
    # 或绑定打印操作与核心逻辑，确保每次执行都触发打印
    with tf.control_dependencies([print_shape_op]):
        # 原有需要执行的操作，比如解码步骤
        decoded_output = ...

补充说明 #

• 张量显示“?”表示这是动态维度，静态分析无法确定其大小，必须在运行时通过会话获取实际形状。
• 若需在代码中指定设备，可在张量定义时用tf.device('/cpu:0')包裹，强制张量分配到CPU：

with tf.device('/cpu:0'):
    x = # 你的张量定义代码

内容的提问来源于stack exchange，提问作者Mahima Bathla