tf.Assert()

调试 TensorFlow 模型的另一种方法是插入条件断言。tf.Assert()函数需要一个条件，如果条件为假，则打印给定张量的列表并抛出 tf.errors.InvalidArgumentError 。

1. tf.Assert() 函数具有以下特征：

tf.Assert(
    condition,
    data,
    summarize=None,
    name=None
)

1. 断言操作不会像tf.Print()函数那样落入图的路径中。为了确保tf.Assert()操作得到执行，我们需要将它添加到依赖项中。例如，让我们定义一个断言来检查所有输入是否为正：

assert_op = tf.Assert(tf.reduce_all(tf.greater_equal(x,0)),[x])

1. 在定义模型时将assert_op添加到依赖项，如下所示：

with tf.control_dependencies([assert_op]):
    # x is input layer
  layer = x
    # add hidden layers
  for i in range(num_layers):
        layer = tf.nn.relu(tf.matmul(layer, w[i]) + b[i])
    # add output layer
  layer = tf.matmul(layer, w[num_layers]) + b[num_layers]

1. 为了测试这段代码，我们在第 5 周期之后引入了一个杂质，如下：

if epoch > 5:
    X_batch = np.copy(X_batch)
    X_batch[0,0]=-2

1. 代码运行正常五个周期，然后抛出错误：

epoch: 0000 loss = 6.975991
epoch: 0001 loss = 2.246228
epoch: 0002 loss = 1.924571
epoch: 0003 loss = 1.745509
epoch: 0004 loss = 1.616791
epoch: 0005 loss = 1.520804

-----------------------------------------------------------------
InvalidArgumentError           Traceback (most recent call last)
...
InvalidArgumentError: assertion failed: [[-2 0 0]...]
...

除了tf.Assert()函数，它可以采用任何有效的条件表达式，TensorFlow 提供以下断言操作，检查特定条件并具有简单的语法：

• assert_equal
• assert_greater
• assert_greater_equal
• assert_integer
• assert_less
• assert_less_equal
• assert_negative
• assert_none_equal
• assert_non_negative
• assert_non_positive
• assert_positive
• assert_proper_iterable
• assert_rank
• assert_rank_at_least
• assert_rank_in
• assert_same_float_dtype
• assert_scalar
• assert_type
• assert_variables_initialized

作为示例，前面提到的示例断言操作也可以写成如下：

assert_op = tf.assert_greater_equal(x,0)