Python中值无法打印问题排查：附TensorFlow线性回归代码片段

看起来你的TensorFlow线性回归代码不仅不完整，还缺少了几个关键步骤导致无法输出结果——这在TF 1.x的旧API里是非常常见的坑。我帮你补全并修正了代码，同时解释问题出在哪：

修正后的完整代码 #

import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
import xlrd

DATA_FILE = "fire_theft.xls"

# Step 1: 读取xls数据
book = xlrd.open_workbook(DATA_FILE, encoding_override="utf-8")
sheet = book.sheet_by_index(0)
data = np.asarray([sheet.row_values(i) for i in range(1, sheet.nrows)])
n_samples = sheet.nrows - 1  # 计算样本总数

# Step 2: 构建TensorFlow计算图
# 定义输入占位符（用于喂入数据）
X = tf.placeholder(tf.float32, name="fire_count")
Y = tf.placeholder(tf.float32, name="theft_count")

# 定义模型参数（需要被训练的变量）
W = tf.Variable(0.0, name="weights")
b = tf.Variable(0.0, name="bias")

# 线性回归预测模型
Y_pred = tf.add(tf.multiply(W, X), b, name="prediction")

# 定义损失函数（均方误差）
loss = tf.reduce_mean(tf.square(Y_pred - Y), name="loss")

# 选择梯度下降优化器最小化损失
optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.001).minimize(loss)

# Step 3: 启动会话执行计算
with tf.Session() as sess:
    # 必须初始化所有变量，否则无法获取参数值
    sess.run(tf.global_variables_initializer())
    
    # 训练1000轮
    for epoch in range(1000):
        total_loss = 0
        for x, y in data:
            # 喂入单条数据，运行优化器和损失计算
            _, current_loss = sess.run([optimizer, loss], feed_dict={X: x, Y: y})
            total_loss += current_loss
        
        # 每50轮打印一次训练进度
        if epoch % 50 == 0:
            print(f"Epoch {epoch:3d}: 平均损失 = {total_loss/n_samples:.4f}")
    
    # 训练完成后，获取最终的模型参数并打印
    final_W, final_b = sess.run([W, b])
    print(f"\n训练完成！")
    print(f"模型参数：权重W = {final_W:.4f}，偏置b = {final_b:.4f}")

# Step 4: 可视化拟合结果
X_data = data[:, 0]
Y_data = data[:, 1]
Y_pred_data = final_W * X_data + final_b

plt.scatter(X_data, Y_data, label="真实数据")
plt.plot(X_data, Y_pred_data, color="darkred", linewidth=2, label="拟合直线")
plt.xlabel("城市火灾次数")
plt.ylabel("城市盗窃次数")
plt.title("火灾次数与盗窃次数的线性回归拟合")
plt.legend()
plt.show()

为什么你的代码无法打印值？ #

我总结了几个核心问题：

• 代码不完整：你的原始代码到n_sa就中断了，缺少样本数量统计、模型构建、会话执行等核心逻辑
• 变量未初始化：TensorFlow 1.x中所有tf.Variable类型的参数必须通过sess.run(tf.global_variables_initializer())初始化，否则无法读取实际数值
• 未执行会话操作：TF 1.x的计算是基于"计算图"的，所有获取参数、运行训练的操作都必须在tf.Session()中通过sess.run()执行——直接打印变量对象只会输出它的定义，不会得到实际值
• 缺少显式打印逻辑：训练完成后需要主动调用sess.run([W, b])获取最终参数，再用print()输出，否则没有任何结果输出

额外提示 #

如果是使用TensorFlow 2.x版本，API风格会更简洁（不需要手动管理会话），但你的代码明显是TF 1.x的写法，所以上面的修正代码完全适配你的原始逻辑。

内容的提问来源于stack exchange，提问作者user8304475