TensorFlow调试程序介绍

我们怀着激动的心情与大家分享 TensorFlow 调试程序 (tfdbg)，这个工具可以简化 TensorFlow 中对机器学习 (ML) 模型的调试。

创新互联是专业的株洲网站建设公司，株洲接单;提供成都做网站、网站建设,网页设计,网站设计,建网站,PHP网站建设等专业做网站服务;采用PHP框架,可快速的进行株洲网站开发网页制作和功能扩展;专业做搜索引擎喜爱的网站,专业的做网站团队,希望更多企业前来合作!

TensorFlow 是 Google 的开源 ML 内容库，基于数据流图表。一个典型的 TensorFlow ML 程序包括两个独立的阶段：

1. 利用内容库的 Python API 将 ML 模型设置为数据流图表;
2. 利用 Session.run() 方法在图表上训练或执行推理。

如果在第二阶段(即 TensorFlow 运行时)出现错误和缺陷，将难以进行调试。

要了解出现这种情况的原因，请注意对标准 Python 调试程序而言，Session.run() 调用实际上是单个语句，它并不会公开运行中图表的内部结构(节点及其连接)和状态(节点的输出数组 或 张量)。gdb 等较低级别的调试程序在组织堆叠框架和变量值时无法令其与 TensorFlow 图表操作产生关联。专业级运行时调试程序是 TensorFlow 用户最常提出的功能请求之一。

tfdbg 满足了这一运行时调试需求。让我们通过一段简短的代码来了解 tfdbg 的实用效果，这段代码的作用是建立并运行一个简单的 TensorFlow 图表，以通过梯度下降法拟合一个简单的线性方程。

正如本例中突出显示的线条所示，会话对象包装成一个用于调试的类 (LocalCLIDebugWrapperSession)，因此调用 run() 方法会启动 tfdbg 的命令行界面 (CLI)。您可以利用鼠标点击或命令执行一遍连续运行调用，检查图表的节点及其属性，通过中间张量列表将图表中所有相关节点完整的执行历史记录可视化。通过使用 invoke_stepper 命令，您可以让 Session.run() 调用在“步进器模式”下执行，在这种模式下，您可以步进到自己选择的节点，观察并修改其输出，然后再执行进一步的分步调试，其运行方式与调试过程语言(例如 gdb 或 pdb)类似。

在开发 TensorFlow ML 模型时一类经常遇到的问题是，因溢出、除零、log(0) 等错误而导致出现无效数值(无穷大和 NaN)。在大型 TensorFlow 图表中，查找此类节点的根源可能既繁琐又耗时。借助于 tfdbg CLI 及其条件断点支持，您可以快速找到引发问题的根源节点。

与打印选项等替代性调试选项相比，tfdbg 需要改动的代码行数更少，提供的图表覆盖范围更大，并且提供的调试体验交互性更强。它可以加快您的模型开发速度和调试工作流执行速度。它还提供了其他功能，例如离线调试从服务器环境转储的张量并将其与 tf.contrib.learn 集成。首先，请访问此文档。这篇研究论文对 tfdbg 的设计做了更详尽的展示。

使用 tfdbg 时要求安装的*** TensorFlow 版本为 0.12.1。要报告错误，请在 TensorFlow 的 GitHub 问题页面上设立问题。如需获得一般使用帮助，请在 StackOverflow 上使用 tensorflow 标记发帖提问。

【本文是专栏机构“谷歌开发者”的原创稿件，转载请联系原作者(微信公众号：Google_Developers)】

网站栏目：TensorFlow调试程序介绍
文章起源：http://www.stwzsj.com/qtweb/news38/15938.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联