テンソルフロー、ml初心者のためのmnistでの印刷方法

Question

私はテンソルフローの開始例をこのpageにしようとしています。私はcross_entropyに関してsthを印刷したいが、何も得ていない。 コードはhereから参照することもできます。

from tensorflow.examples.tutorials.mnist import input_data 
import tensorflow as tf 
import numpy as np 

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 

x = tf.placeholder(tf.float32, [None, 784]) 
y_ = tf.placeholder(tf.float32, [None, 10]) 
W = tf.Variable(tf.zeros([784, 10])) 
b = tf.Variable(tf.zeros([10])) 

y = tf.matmul(x, W) + b 
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_)) 
cross_entropy = tf.Print(cross_entropy, [cross_entropy], "###") 
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) 

sess = tf.InteractiveSession() 
tf.global_variables_initializer().run() 
for _ in range(1000): 
    batch_xs, batch_ys = mnist.train.next_batch(100) 
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) 

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})) 

私は見つけることができない理由tf.Print、各ループで何も印刷しない、cross_entropyにバインドされています。

私はすでにtf.Print - > cross_entropy - > train_stepにバインドしてこのtrain_stepを実行していると思います。私の問題は何ですか？あなたは正しい

Answer 1

、tf.Printは（文書を引用）されています

評価した印刷データの副作用を持つアイデンティティオペアンプ。

したがって、当然、あなたは何かがcross_entropyノード間に流れるcross_entropy毎回の値を見ることを期待しています。

問題は、アイデンティティノードではなく、実際のクロスエントロピーを最小化することです。したがって、実際には、cross_entropy変数は、別の変数を「指す」アイデンティティノードであり、効果的に評価されます。

これを解決するには、グラフ内のノードの評価順序を強制することができます。

最小化ステップは、値をロギングした後にのみ実行することができます。これは、あなたがこの方法でtf.control_dependenciesを使用することができます実行します。

from tensorflow.examples.tutorials.mnist import input_data 
import tensorflow as tf 
import numpy as np 

mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) 

x = tf.placeholder(tf.float32, [None, 784]) 
y_ = tf.placeholder(tf.float32, [None, 10]) 
W = tf.Variable(tf.zeros([784, 10])) 
b = tf.Variable(tf.zeros([10])) 

y = tf.matmul(x, W) + b 
cross_entropy = tf.reduce_mean(
    tf.nn.softmax_cross_entropy_with_logits(logits=y, labels=y_)) 

with tf.control_dependencies([tf.Print(cross_entropy, [cross_entropy], "###")]): 
    train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) 

sess = tf.InteractiveSession() 
tf.global_variables_initializer().run() 
for _ in range(1000): 
    batch_xs, batch_ys = mnist.train.next_batch(100) 
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) 

correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1)) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
print(
    sess.run(accuracy, feed_dict={x: mnist.test.images, 
            y_: mnist.test.labels}))