TensorFlow 2.6.0环境下如何查看Tensor张量的实际数值

你之前尝试的tf.Print、tf.Session相关调用均为TensorFlow 1.x的静态图专属API，TensorFlow 2.x版本默认开启Eager Execution执行模式，上述API已废弃不可用。你打印输出仅显示张量结构，说明当前代码运行在静态图上下文（如被@tf.function装饰、处于tf.keras编译后的执行流程中），未触发实际计算。

以下是不同场景下的稳定解决方案：

场景1：代码未进入静态图上下文（常规Eager执行模式） #

直接调用张量的.numpy()方法即可获取其实际存储的数值：

predicted_ids=tf.random.categorical(predicted_logits, num_samples=1)
predicted_ids=tf.squeeze(predicted_ids, axis=-1)
print(predicted_ids.numpy())

场景2：代码运行在静态图上下文（被@tf.function装饰、自定义损失/层的执行过程中） #

两种可选方案：

• 方案1：临时开启静态图函数的Eager执行模式，在调用目标函数前添加配置：

# 全局开启函数的Eager执行，调试完成后删除该行即可恢复静态图运行效率
tf.config.run_functions_eagerly(True)

配置后即可在静态图代码中直接使用.numpy()方法打印张量值。

• 方案2：使用TensorFlow 2.x专属的tf.print()方法直接输出，无需修改执行模式：

@tf.function
def your_infer_func():
    predicted_ids=tf.random.categorical(predicted_logits, num_samples=1)
    predicted_ids=tf.squeeze(predicted_ids, axis=-1)
    # 直接输出张量实际值
    tf.print(predicted_ids)

该方法也可直接用于tf.keras的自定义损失、自定义层、回调函数等静态图执行场景。

内容的提问来源于stack exchange，提问作者kiriloff