时间戳

首页 > 解决方案 > 打印张量的形状，即使它是“无”

python - 打印张量的形状，即使它是“无”

问题描述

我正在使用 Keras 中的自定义数据加载器创建自定义算法。我知道，当您尝试在模型的内部方法中访问张量时，您通常会None在打印张量的形状时得到一个，通常在批处理轴上，因为批处理大小可以是可变的。我创建了一个更新渐变的自定义方法，只是为了进行完整性检查，我试图在程序执行时打印该轴形状的实际值。我不知道该怎么做。

这是一些代码，看看我写的地方THIS LINE。此代码将打印出以下输出，将批处理轴显示为NONE. 仅出于调试目的，我实际上想看看代码运行时这个值是多少，我该怎么做？

(无, 4, 100) (无, 100, 100) (无, 100, 100) (无, 100) (无, 100, 100) (无, 100) (无, 100, 1) (无, 1)

class CustomModel(keras.Model):
    def train_step(self, data):
        # Unpack the data. Its structure depends on your model and
        # on what you pass to `fit()`.
        x, y = data
        
        tao = 1

        with tf.GradientTape() as tape:
            y_pred = self(x, training=True)  # Forward pass
            # Compute the loss value
            # (the loss function is configured in `compile()`)
            loss = self.compiled_loss(y, y_pred, regularization_losses=self.losses)
            
        gradients = tape.jacobian(loss, self.trainable_variables)
        
        new_gradients = []
        for grad in gradients:

            print(grad.shape) # <--- THIS LINE

            q1 = K.mean( grad[:env_siz], axis=0 )
            q2 = K.mean( grad[env_siz:], axis=0 )

            Q = K.mean( K.stack((K.sign(q1), K.sign(q2))), axis=0 ) # 1 means all gradients in same direction on that axis
            P = tf.where( tf.abs(Q) >= tao, K.mean( K.stack((q1, q2)), axis=0 ), 0)
#             print(P)
            new_gradients.append( P )

        # Compute gradients
        trainable_vars = self.trainable_variables
#         gradients = tape.gradient(loss, trainable_vars)
        # Update weights
        self.optimizer.apply_gradients(zip(new_gradients, trainable_vars))
        # Update metrics (includes the metric that tracks the loss)
        self.compiled_metrics.update_state(y, y_pred)
        # Return a dict mapping metric names to current value
        return {m.name: m.result() for m in self.metrics}

标签： pythontensorflowkeras

解决方案

您可以使用tf.print而不是print能够查看“图形”函数中的张量值。不要访问.shape属性，它总是静态已知的形状，而是tf.shape用来读取实际的张量形状。

tf.print(tf.shape(grad))

推荐阅读