Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

tf.print

TensorFlow 1 wersja Zobacz źródło na GitHub

Broszura określonych nakładów.

Stosowany w notebookach

Używany w przewodniku Używany w samouczków

TensorFlow operatora drukująca wyznaczonych wejść do pożądanego strumienia wyjściowego lub poziomu rejestrowania. Sygnały wejściowe mogą być gęste i rzadkie Tensory prymitywnych pytona obiekty, struktury danych, które zawierają tensory i druku Pythona obiektów. Wydrukowane tensory rekursywnie pokazać pierwsze i ostatnie elementy każdego wymiaru podsumować.

Przykład:

jednorazowe wejście:

 tensor = tf.range(10)
tf.print(tensor, output_stream=sys.stderr)
 

(Te odciski "[0 1 2 ... 7 8 9]") do sys.stderr

Wykorzystanie multi-input:

 tensor = tf.range(10)
tf.print("tensors:", tensor, {2: tensor * 2}, output_stream=sys.stdout)
 

(Te odciski "tensory [0 1 2 ... 7 8 9] {2 [0 2 4 16 18 ... 14]}" do sys.stdout)

Zmiana separatora WEJŚCIE:

 tensor_a = tf.range(2)
tensor_b = tensor_a * 2
tf.print(tensor_a, tensor_b, output_stream=sys.stderr, sep=',')
 

(Te odciski "[0 1], [2] 0" do sys.stderr)

Wykorzystanie w tf.function :

 @tf.function
def f():
    tensor = tf.range(10)
    tf.print(tensor, output_stream=sys.stderr)
    return tensor

range_tensor = f()
 

(Te odciski "[0 1 2 ... 7 8 9]") do sys.stderr

@compatibility (TF 1.x wykresy i sesje) wykresy ręcznie utworzona poza tf.function ten sposób wraca utworzony operatora TF, który drukuje się dane. Aby upewnić się, że działa operatora, użytkownicy muszą przekazać produkowanego op tf.compat.v1.Session „s metody wykonywania, lub użyć op jako zależność sterowania realizowanych ops określając with tf.compat.v1.control_dependencies([print_op]) . @end_compatibility

Wykorzystanie zgodność wykresów TF 1.x:

 sess = tf.compat.v1.Session()
with sess.as_default():
    tensor = tf.range(10)
    print_op = tf.print("tensors:", tensor, {2: tensor * 2},
                        output_stream=sys.stdout)
    with tf.control_dependencies([print_op]):
      tripled_tensor = tensor * 3
    sess.run(tripled_tensor)
 

(Te odciski "tensory [0 1 2 ... 7 8 9] {2 [0 2 4 16 18 ... 14]}" do sys.stdout)

*inputs Argumenty pozycyjne, które są wejścia do druku. Wejścia w wydruku będą oddzielone odstępami. Wejścia mogą są podstawy pyton, tensory, struktury danych, takich jak dicts i listach, które mogą zawierać tensory (ze strukturami danych może zagnieżdżone w dowolnych sposobów druku), a przedmioty pytona.
output_stream Strumień wyjściowy, poziom rejestrowania lub plik do drukowania. Domyślnie sys.stderr, ale sys.stdout, tf.compat.v1.logging.info, tf.compat.v1.logging.warning, tf.compat.v1.logging.error, absl.logging.info, absl.logging .warning i absl.logging.error są również obsługiwane. Aby wydrukować do pliku, należy przekazać ciąg zaczęło się od "file: //", a następnie ścieżką pliku, na przykład "file: ///tmp/foo.out".
summarize Pierwsze i ostatnie summarize elementów w każdym wymiarze są drukowane za Tensor rekurencyjnie. Jeżeli żaden, pierwsza 3 i 3 ostatnie elementy każdego wymiaru są drukowane dla każdej tensora. Jeśli jest ustawiony na -1, to wydrukować wszystkie elementy każdej tensora.
sep Ciąg użyć do rozdzielenia wejść. Domyślnie „”.
end End znak, który jest dołączany na końcu wydrukowany strun. Domyślnie do znaku nowej linii.
name Nazwę operacji (opcjonalnie).

Żaden podczas wykonywania niecierpliwością. Podczas wykresie śledzenia Zwraca operatora TF, który drukuje określone wejścia w określonym strumieniu wyjściowym lub poziomu rejestrowania. Ten operator zostanie automatycznie wykonany z wyjątkiem wewnętrznej tf.compat.v1 wykresów i sesjach.

ValueError Jeśli niepodparta strumień wyjściowy jest określona.

python2 Kompatybilność

W Pythonie 2.7, upewnij się, aby importować następujące: from __future__ import print_function