TensorFlow中如何正确打印Tensor的值

顾言

发布时间：2026-10-13 | 3人浏览过

原创

在TensorFlow调试过程中，直接print无法获取Tensor数值。本文详解如何利用tf.Session和tf.InteractiveSession两种机制，通过sess.run()或Tensor.eval()正确输出张量值，并对比不同初始化方式下的代码实现。

TensorFlow打印Tensor值的必要性

在TensorFlow的学习与开发中，获取特定Tensor的实际数值至关重要，尤其是在进行Debug时。虽然直觉上可能认为直接调用print即可，但实际上print仅能输出Tensor的维度（shape）信息，无法显示具体数据。这是因为在构建计算图（Graph）阶段，系统仅定义了Tensor的结构与形状，并未执行实际的数据运算。要获取数值，必须借助tf.Session或tf.InteractiveSession类来执行计算。

tf.Session与InteractiveSession的区别

一、tf.Session类概述

tf.Session是运行TensorFlow操作的类，其对象封装了执行操作和评估Tensor数值的运行环境。此前已介绍过，在定义好所有数据结构与操作节点后，必须通过Session对象来最终执行这些操作并获取结果。


import tensorflow as tf
 
# Build a graph.
a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b
# Launch the graph in a session.
sess = tf.Session()
# Evaluate the tensor `c`.
print(sess.run(c))

二、tf.InteractiveSession类概述

顾名思义，tf.InteractiveSession专为交互式上下文设计，便于直接输出Tensor的数值。与普通的Session相比，它设置了一个默认Session来执行相关操作，例如Tensor.eval()和Operation.run()。其中，Tensor.eval()会执行该Tensor之前的所有依赖操作，Operation.run()同理，这使得在交互式环境中调试更为便捷。


import tensorflow as tf
a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b
with tf.Session():
 # We can also use 'c.eval()' here.
 print(c.eval())

Tensor值打印代码实现

三、打印输出张量值的方法


import tensorflow as tf

zeros = tf.zeros([3,3])

# 方法1
with tf.Session():
 print(zeros.eval())

# 方法2
sess = tf.Session()
print(sess.run(zeros))

以下是打印输出Tensor变量值的具体代码示例与实现方式。


import tensorflow as tf

ones=tf.Variable(tf.ones([3,3]))

# 方法1 InteractiveSession + initializer
inter_sess=tf.InteractiveSession()
ones.initializer.run()
print(inter_sess.run(ones))

# 方法2
inter_sess=tf.InteractiveSession()
tf.global_variables_initializer().run()
print(inter_sess.run(ones))

# 方法3 Session + global_variables_initializer
sess=tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(ones))

# 方法4 with Session + global_variables_initializer
with tf.Session() as sess:
 sess.run(tf.global_variables_initializer())
 print(sess.run(ones))