如何打印TensorFlow对象内部变量的值？以Monodepth库为例

我之前调试TensorFlow数据加载器的时候也碰到过类似的情况，给你几个实用的方案来搞定这个left_image_path的打印问题：

1. 让tf.Print真正进入计算流 #

你说用tf.Print没输出，大概率是因为这个Tensor没有被纳入计算图的执行流程里——TensorFlow是惰性执行的，只有当Tensor被用于计算图的输出节点，或者被sess.run()调用时，tf.Print的操作才会实际执行。

修改MonodepthDataloader的__init__方法，把tf.Print包装后的变量替换原变量，确保后续流程使用这个包装后的版本：

# 在生成left_image_path的代码后添加
left_image_path = tf.Print(left_image_path, [left_image_path], message="Left image path: ")
# 把包装后的变量赋值给类属性，确保后续数据加载逻辑用到它
self.left_image_path = left_image_path

之后当你运行main函数里的训练/数据加载流程时，只要触发了包含这个Tensor的操作，tf.Print的内容就会输出到控制台（注意：tf.Print输出到stderr，不是普通的stdout，可能需要看控制台的错误输出区域）。

2. 在会话中直接运行该Tensor #

既然MonodepthDataloader实例是由monodepth_main调用的，你可以在main函数的会话上下文里，直接调用sess.run()来获取这个变量的值。注意要先初始化队列和变量：

# 在monodepth_main中创建dataloader实例后
with tf.Session() as sess:
    # 初始化全局变量和局部变量（比如队列相关变量）
    sess.run(tf.global_variables_initializer())
    sess.run(tf.local_variables_initializer())
    
    # 启动队列线程，否则数据加载会阻塞
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(coord=coord, sess=sess)
    
    # 直接运行left_image_path并打印
    path_value = sess.run(dataloader.left_image_path)
    print("当前Left Image Path:", path_value)
    
    # 后续的训练/验证代码...
    
    # 结束时停止线程
    coord.request_stop()
    coord.join(threads)

3. 用更直观的tf.debugging.print_tensor（TF 1.13+支持） #

如果你用的是较新的TensorFlow 1.x版本，可以替换tf.Print为tf.debugging.print_tensor，它的触发逻辑更简单，输出也更清晰：

left_image_path = tf.debugging.print_tensor(left_image_path, message="Left image path: ")
self.left_image_path = left_image_path

同样要确保后续流程使用这个包装后的变量，才能触发打印。

额外提示：如果用了tf.data API #

如果你的Monodepth版本用了tf.data.Dataset来构建数据加载器，可以在数据集的处理链中加入打印操作：

# 假设dataset是你的数据集对象
dataset = dataset.map(lambda left_path, right_path: 
    (tf.debugging.print_tensor(left_path, message="Left path: "), right_path)
)
# 迭代数据集时就会触发打印
iterator = dataset.make_one_shot_iterator()
next_batch = iterator.get_next()
with tf.Session() as sess:
    sess.run(next_batch)

内容的提问来源于stack exchange，提问作者d.mc2