Keras，Tensorflow：评估时如何在自定义层中设置断点（调试）？

Question

我只想在自定义层内做一些数值验证。

假设我们有一个非常简单的自定义层：

class test_layer(keras.layers.Layer):
    def __init__(self, **kwargs):
        super(test_layer, self).__init__(**kwargs)

    def build(self, input_shape):
        self.w = K.variable(1.)
        self._trainable_weights.append(self.w)
        super(test_layer, self).build(input_shape)

    def call(self, x, **kwargs):
        m = x * x            # Set break point here
        n = self.w * K.sqrt(x)
        return m + n

还有主程序：

import tensorflow as tf
import keras
import keras.backend as K

input = keras.layers.Input((100,1))
y = test_layer()(input)

model = keras.Model(input,y)
model.predict(np.ones((100,1)))

如果我在m = x * x这一行设置断点调试，程序在执行y = test_layer()(input)的时候会在这里暂停，这是因为图建好了，调用了call()方法。

但是当我使用model.predict() 赋予它真正的价值，并想看看它是否正常工作时，它不会在m = x * x 行暂停

我的问题是：

1. call() 方法是否仅在构建计算图时调用？ （喂真值时不会调用？）

2. 如何在层内调试（或在何处插入断点）以在输入实值时查看变量的值？

Answer 1

1. 是的。 call() 方法仅用于构建计算图。

2. 关于调试。我更喜欢使用TFDBG，这是推荐的tensorflow调试工具，虽然它不提供断点功能。

对于 Keras，您可以将这些行添加到您的脚本中以使用 TFDBG

import tf.keras.backend as K
from tensorflow.python import debug as tf_debug
sess = K.get_session()
sess = tf_debug.LocalCLIDebugWrapperSession(sess)
K.set_session(sess)

Answer 2

在 TensorFlow 2 中，您现在可以向 TensorFlow Keras 模型/层添加断点，包括在使用拟合、评估和预测方法时。但是，您必须在调用model.compile() 之后添加model.run_eagerly = True 以使张量的值在断点处的调试器中可用。例如，

import tensorflow as tf
from tensorflow.keras.layers import Dense
from tensorflow.keras.losses import BinaryCrossentropy
from tensorflow.keras.models import Model
from tensorflow.keras.optimizers import Adam


class SimpleModel(Model):

    def __init__(self):
        super().__init__()
        self.dense0 = Dense(2)
        self.dense1 = Dense(1)

    def call(self, inputs):
        z = self.dense0(inputs)
        z = self.dense1(z)  # Breakpoint in IDE here. =====
        return z

x = tf.convert_to_tensor([[1, 2, 3], [4, 5, 6]], dtype=tf.float32)

model0 = SimpleModel()
y0 = model0.call(x)  # Values of z shown at breakpoint. =====

model1 = SimpleModel()
model1.run_eagerly = True
model1.compile(optimizer=Adam(), loss=BinaryCrossentropy())
y1 = model1.predict(x)  # Values of z *not* shown at breakpoint. =====

model2 = SimpleModel()
model2.compile(optimizer=Adam(), loss=BinaryCrossentropy())
model2.run_eagerly = True
y2 = model2.predict(x)  # Values of z shown at breakpoint. =====

注意：这是在 TensorFlow 2.0.0-rc0 中测试的。