TensorFlow函数内打印语句如何在会话每次迭代时执行？

嗨，刚接触TensorFlow的话确实容易踩这个坑！你之前注释的打印语句是普通的Python代码，它只会在你定义Q函数的那一刻执行一次，而TensorFlow会话运行的时候，是在执行计算图里的节点，根本不会再触发这段Python代码，所以自然看不到每次迭代的打印。

要让打印在会话的每次迭代都触发，得用TensorFlow提供的图内操作，也就是tf.print()，它是计算图的一部分，会跟着会话的运行同步执行。下面给你两种可行的修改方式：

方法一：用控制依赖确保打印执行 #

这是最稳妥的方式，能保证打印操作在你的计算逻辑之前执行：

def Q(X):
    # 用tf.shape(X)获取运行时的动态形状（X.shape是静态形状，可能不全）
    print_op = tf.print('Q(X) :: X.shape :: ', tf.shape(X))
    # 控制依赖：必须先执行print_op，再计算h
    with tf.control_dependencies([print_op]):
        h = tf.nn.relu(tf.matmul(X, Q_W) + Q_b)
    # 后续的网络操作继续写在这里
    return h

方法二：直接将打印操作和输出绑定（简化版） #

如果你的打印不需要严格的执行顺序，也可以把打印操作和输出张量绑定，这样只要输出张量被计算，打印就会触发：

def Q(X):
    h = tf.nn.relu(tf.matmul(X, Q_W) + Q_b)
    # 绑定打印操作到h，确保h被计算时打印执行
    h = tf.Print(h, [tf.shape(X)], 'Q(X) :: X.shape :: ')
    # 注意：TensorFlow 1.x里是tf.Print，TF2.x已经合并到tf.print了，写法略有不同
    return h

关键点说明： #

• 为什么不用X.shape？因为X.shape是静态形状，是你构建图时定义的维度，可能包含未知的None；而tf.shape(X)是动态形状，能拿到每次会话迭代时张量的实际维度，更适合调试。
• 如果是TensorFlow 2.x的话，默认开启了Eager Execution（即时执行），普通的Python print也能每次运行时触发，但你提到了会话，应该是在用TF1.x的图模式，所以上面的方法更适用。

内容的提问来源于stack exchange，提问作者user5104026