使用 TensorFlow 调试器（tfdbg）进行调试
TensorFlow 调试器（tfdbg）与其他常用调试器（如pdb和gdb）的工作方式相同。要使用调试器，该过程通常如下：
- 在代码中的断点处设置要中断的位置并检查变量
- 在调试模式下运行代码
- 当代码在断点处中断时，检查它然后继续下一步
一些调试器还允许您在代码执行时以交互方式观察变量，而不仅仅是在断点处：
- 为了使用
tfdbg，首先导入所需的模块并将会话包装在调试器包装器中：
from tensorflow.python import debug as tfd
with tfd.LocalCLIDebugWrapperSession(tf.Session()) as tfs:
- 接下来，将过滤器附加到会话对象。附加过滤器与在其他调试器中设置断点相同。例如，以下代码附加
tfdbg.has_inf_or_nan过滤器，如果任何中间张量具有nan或inf值，则会中断：
tfs.add_tensor_filter('has_inf_or_nan_filter', tfd.has_inf_or_nan)
- 现在，当代码执行
tfs.run()时，调试器将在控制台中启动调试器接口，您可以在其中运行各种调试器命令来监视张量值。 - 我们提供了在
ch-18_mnist_tfdbg.py文件中试用tfdbg的代码。当我们用python3执行代码文件时，我们看到tfdbg控制台：< / li >
python3 ch-18_mnist_tfdbg.py
- 在
tfdbg>提示符下输入命令run -f has_inf_or_nan。代码在第一个周期后中断，因为我们使用np.inf值填充数据：
- 现在您可以使用
tfdbg控制台或可点击界面来检查各种张量的值。例如，我们查看其中一个梯度的值：
您可以在以下链接中找到有关使用tfdbg控制台和检查变量的更多信息：