python - input_ 参数对 tf.Print 重要吗？

Question

我在this link中阅读了tf.Print的参数input_的说明。我尝试了几个实验，得到的结果让我很困惑。

我使用以下代码进行实验

A = tf.constant([[1, 2, 3], [4, 5, 6]])
a1, a2 = tf.split(A, 2, axis=0)
p = tf.Print(A, [a1, a2])
with tf.Session() as sess:
    sess.run([p])

输出

[[1 2 3]][[4 5 6]]

我已将代码行 p = tf.Print(A, [a1, a2]) 替换为 p = tf.Print(a1, [a1, a2]) 或 p = tf.Print(a2, [a1, a2]) 并得到完全相同的输出:[[1 2 3]][[4 5 6]]。这让我觉得“input_是什么并不重要，你可以传递任何你想要的东西”

我的问题是

1. input_ 参数对 tf.Print 重要吗？
2. 如果是的话，你们能给我举个例子吗？

我发现了类似的问题here ，但在我看来，它并没有涵盖我在这个问题中想知道的方面。

Answer 1

是的，这很重要。在您的示例中，运行打印操作后，p 的值将是 input_ 。

A = tf.constant([[1, 2, 3], [4, 5, 6]])
a1, a2 = tf.split(A, 2, axis=0)
p = tf.Print(A, [a1, a2])
with tf.Session() as sess:
    p_val = sess.run([p])

print(p_val)

这将说明差异。

同样重要的是，如果 p 不是实际图形计算的一部分，它将不会打印该值。因此 _input 应该是您实际需要计算的内容的一部分。

实际上只需调用

_input = tf.Print(_input,[...])

所以这是一个直通。