使用tf.contrib.learn.Experiment的train_and_evaluate()时如何打印结果到屏幕

嘿，我来帮你搞定这个需求！当用tf.contrib.learn.Experiment的train_and_evaluate()函数时，要在评估环节把模型的输出（预测结果）打印到屏幕上，最灵活的方式是自定义SessionRunHook，把它绑定到评估流程里。下面是具体的实现步骤：

1. 定义自定义打印Hook #

这个Hook会在评估的每个步骤中捕获模型的预测张量，并打印出来：

import tensorflow as tf

class PrintEvalPredictionsHook(tf.train.SessionRunHook):
    def __init__(self, predict_tensor):
        # 传入要捕获的模型预测张量
        self.predict_tensor = predict_tensor

    def before_run(self, run_context):
        # 告诉TensorFlow的Session要获取这个预测张量的值
        return tf.train.SessionRunArgs(self.predict_tensor)

    def after_run(self, run_context, run_values):
        # 拿到预测结果并打印
        current_preds = run_values.results
        print(f"【评估步骤】模型输出结果: {current_preds}")

2. 绑定Hook到EvalSpec #

接下来，你需要把这个Hook添加到EvalSpec中，让评估流程执行时触发它：

假设你已经有了训练用的estimator，以及评估用的输入函数eval_input_fn：

# 获取模型的预测张量——你需要根据自己的模型结构调整张量名称
# 可以用 estimator.get_variable_names() 查看所有可用的张量名
predict_tensor = estimator.get_variable_value("predictions")  # 替换成你模型的输出张量名

# 实例化自定义打印Hook
print_pred_hook = PrintEvalPredictionsHook(predict_tensor)

# 构建EvalSpec，把Hook加进去
eval_spec = tf.contrib.learn.EvalSpec(
    input_fn=eval_input_fn,
    hooks=[print_pred_hook],  # 绑定自定义Hook
    steps=10,  # 按需设置评估的步数
    name="eval"
)

# 构建TrainSpec（这部分你应该已经有了，这里贴出来完整流程）
train_spec = tf.contrib.learn.TrainSpec(
    input_fn=train_input_fn,
    max_steps=1000
)

# 执行训练和评估
tf.contrib.learn.train_and_evaluate(estimator, train_spec, eval_spec)

额外提示 #

• 如果不确定模型输出张量的名字，可以运行print(estimator.get_variable_names())来查看所有可访问的张量名称，找到对应的预测输出张量。
• 如果你想把预测结果保存下来而不只是打印，可以在Hook的after_run方法里把current_preds存入一个列表或文件中。

内容的提问来源于stack exchange，提问作者Yanghoon