tf.Print可以简化您的生活！

tf.Print将打印张量的值，告诉您在评估代码时在代码中调用tf.Print行的时刻打印张量。

因此，例如：

import tensorflow as tf
x = tf.Variable([1.0, 2.0])
x = tf.Print(x,[x])
x = 2* x

tf.initialize_all_variables()

sess = tf.Session()
sess.run()

[1.0 2.0]

因为它在tf.Print行显示时打印x的值。相反，如果你这样做

v = x.eval()
print(v)

你会得到：

[2.0 4.0]

因为它将给您x的最终值。

通常， session.run(x)将只评估计算x所必需的节点，而不会评估其他任何节点，因此，如果要检查变量的值，它应该相对便宜。

看看这个很棒的答案https://stackoverflow.com/a/33610914/5543198了解更多背景信息。

获取变量值的唯一方法是在session运行它。在常见问题解答中写道 ：

Tensor对象是操作结果的符号句柄，但实际上并不保存操作输出的值。

因此，TF等效项为：

import tensorflow as tf

x = tf.Variable([1.0, 2.0])

init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    v = sess.run(x)
    print(v)  # will show you your variable.

init = global_variables_initializer()很重要，应该进行初始化变量的操作。

另外，如果您使用IPython，请查看InteractiveSession 。