tensorflow從誕生以來就一直在深度學習框架中穩居老大的位置，雖然自從2023年12月pytorch 1.0 stable版本正式發布以來，很快減小了差距，但是也難以超越。
tensorflow的強項在於部署（包括tensorflow lite在移動端部署）和執行效率，另外對各種operation的支援特別齊全，基本上你能想到的運算元都已經實現好了，直接呼叫就好。除此之外，google brain的各項前沿研究，以及現在deepmind的很多研究，開源**肯定都是基於tensorflow，比如現在很火的automl技術等等，所以成為no.1也是自然而然。
但是又不得不吐槽其除錯功能，真是太難用了。這也直接導致了tensorflow的學習曲線異常之陡，和vim的類似，學起來很難很痛苦，但是學好之後，那是相當地爽。
那麼，tensorflow怎麼除錯呢？使用斷點還是print？亦或是高大上的tfdbg？都不是。
由於tensorflow靜態圖的設計（eager模式除外，這個後面單獨討論），設定斷點根本無法獲取實際tensor的值，具體取值都在後台以c++的方式執行。那print呢？也只能列印出tensor的shape資訊。tfdbg，這個官方開發的專用工具該行了吧？不過我建議還是不要嘗試了，不僅要一點一點敲命令，我在debug大型程式的時候，直接卡死。
對了，還有一種暴力方法，我最開始的時候在使用，就是把tensor拉出來sess.run一把，這樣的確可以得到tensor執行的具體值，但是每次要手動改，很麻煩。
好了，神器要出來了：tf.print. 在老版本的tensorflow中可以這麼用，非常方便：
x = tf.print(x, [x, x,shape, x[0], …], message=「x debug info」, summarize=100)
其中，x是需要列印的tensor，注意第乙個輸入是x和輸出相同，但其實也可以不同，做一些操作，但一般debug不需要，所以等式左邊的輸出也是x.
第二個輸入在方括號內表示需要列印的東西，可以是tensor x的具體值，或者是其shape，slice，甚至是函式。
第三個輸入message用來標識這一處列印，可以自定義字串。
最後的summarize控制輸出元素的數量，比如100就輸出x的前100個元素。
對於新版的tensorflow，使用tf.print，語法如下：
print_op = tf.print(x)
with tf.control_dependencies([print_op]):
out = tf.add(x, x)
sess.run(out)
很方便吧？
雖然不如直接在pycharm中設定斷點方便，但能把tensor列印出來定位問題也就容易多了。當然，如果是學習**，想單步跟蹤，建議使用eager模式，這就和pytorch的方式非常相近了，當然，犧牲的是執行效率。
聯絡我：
tensorflow常用技巧
vim vimrc 開啟這個檔案後 設定tab鍵為4個空格，並且每行顯示行號。輸入 set nu 設定每行行號 set ts 4 空四個空格 建立計算圖,這是不會顯示計算結果，只描述了這是什麼樣的計算 import tensorflow as tf a tf.constant 1.0,2.0 b t...
GDB除錯技巧，除錯命令
除錯時檢視依賴dsopidof tvm rpc server cat proc maps子程序除錯 1.vscode setupcommands output cpu simu dev bin ld library path ignorefailures false exec catch throw...
GDB除錯技巧
在公司工作了一段時間，發現 b s結構的 除錯很麻煩，經常用的手段是通過 printf 打一串訊息來進行跟蹤，然後估計問題出在 通過逐步新增 printf 語句，獲得越來越多的資訊最終確定問題的根源。我感覺這樣比較麻煩，如果能把 gdb的單步除錯功能用上就好了。工作之餘，做了一定的嘗試，希望對跟我一...