如何打印一些調試？

Question

我正在做我的第一個腳本與tensorflow。 我想嘗試一個簡單的邏輯迴歸來開始，我正在研究kaggle泰坦尼克號數據集。

我的問題是，我無法打印一些張量來調試我做錯的事情。

我看了這篇文章（How to print the value of a Tensor object in TensorFlow?），但我不明白我怎麼打印張量。 :(

我敢肯定是接近，但無法弄清楚

讓我告訴你我在做什麼;

train = pd.read_csv("./titanic_data/train.csv", dtype={"Age": np.float64},) 

# My parameters for start 
train_input = train[['Pclass','Age','SibSp','Parch','Fare']]; 
train_label = train['Survived'] 
train_label = train_label.reshape(891, 1) 

#split my dataset 
test_input = train_input[800:891] 
test_label = train_label[800:891] 
train_input = train_input[0:800] 
train_label = train_label[0:800] 

x = tf.placeholder(tf.float32, [None, 5]) #placeholder for input data 

W = tf.Variable(tf.zeros([5, 1])) #weight for softmax 

b = tf.Variable(tf.zeros([1])) # bias for softmax 

y = tf.nn.softmax(tf.matmul(x, W) + b) #our model -> pred from model 

y_ = tf.placeholder(tf.float32, [None, 1])#placeholder for input 

cross_entropy = -tf.reduce_sum(y_*tf.log(y)) # crossentropy cost function 

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy) 
init = tf.initialize_all_variables() # create variable 

sess = tf.InteractiveSession() 
sess.run(init) 

testacc = [] 
trainacc = [] 
for i in range(15): 
    batch_xs = train_input[i*50:(i + 1) * 50] 
    batch_ys = train_label[i*50:(i + 1) * 50] 

    result = sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) 
    correct_prediction = tf.equal(y,y_) 

需要在這裏印

**#correct_prediction.eval() 
#trying to print correct_prediction or y so i can see what is my model actualy doing** 

    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
    trainacc.append(sess.run(accuracy, feed_dict={x: train_input, y_: train_label})) 
    testacc.append(sess.run(accuracy, feed_dict={x: test_input, y_: test_label})) 

我所做的一切都是基礎知識，如果有人能幫助我，我會變得非常棒！我有點卡住了，無法保護我的模型不要猶豫，告訴我好的做法，如果你覺得： ）

感謝您閱讀本文！

Answer 1

@Ghoso here。

好你開始TensorFlow。我喜歡你的想法，從一個簡單的分類器開始熟悉。

Tensorflow有這個概念，首先你定義一個計算圖。接下來你訓練它。在培訓之後和期間，您可以提供並獲取您感興趣的變量。

在此代碼中，您似乎在會話中定義了張量「準確度」。在我看來，「準確性」是你圖形的一部分。也就是說，「準確性」取決於圖中的其他節點，可以認爲它本身就是一個節點。

接下來，您可以使用提取列表擴展sess.run()，而不是一次提取。像這樣： output_list = sess.run([train_step, accuracy], feed_dict = feed_dict)

我在網上有一個小例子，我還將「精度」定義爲節點並在會話中讀取它。你可能想看看this的例子。您感興趣的變量名爲「準確性」和「正確預測」。

我希望這有助於！