tensorflow常见debug总结（持续更新）

最新推荐文章于 2025-03-05 20:46:39 发布

XiaomengYe

最新推荐文章于 2025-03-05 20:46:39 发布

阅读量814

点赞数 1

CC 4.0 BY-SA版权

分类专栏： tensorflow

本文链接：https://blog.youkuaiyun.com/xiaomeng29/article/details/95666569

tensorflow 专栏收录该内容

6 篇文章

订阅专栏

本文分享了使用TensorFlow框架时遇到的一些常见问题及其解决办法，包括变量初始化、矩阵乘法类型一致性、维度处理技巧、已有数据结构初始化、张量形状的理解及损失函数的正确设置等。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. init = tf.global_variables_initializer() 一定要放在构建所有Variable之后，因为该语句就初始化已经构建过的Variable

2. tf.matmul(a,b)，matmul在运行时不提供吗强制类型转换，所以a和b必须类型一致，可以使用tf.cast，比如

tf.cast(a, tf.float32)

3. tf中最常见的就是维度方面的错误，常见的解决方法是在代码中假如打印 print(tensor)

4. tf.get_variable如果要使用已有的数据结构初始化，最好使用 np.ndarray，使用list往往会出现错误

5. tf.shape(a) 显示 (3,) 表示 a是有3个维度的tensor，而非是在一个维度上有3个元素！

6. 在定义loss之前，需要手动给loss赋一个初值，比如：

def add_loss_op(self, preds):
    # 这里必须要加上
    self.loss = 0.0
    self.loss = tf.reduce_mean(          
        tf.nn.softmax_cross_entropy_with_logits( logits = preds,
              labels =  self.labels_placeholder )
    )
    return self.loss

7. 在电脑上运行tf代码有时候会出现:Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

解决方案（和TF的安装方法相关，时间关系，暂时没有试过，以后再看）：How to compile Tensorflow with SSE4.2 and AVX instructions?