tf.print 什么时候才能真正按预期工作（即打印张量和变量的值）？

首先，我使用的是TensorFlow 2.0，我只关心这个版本或更高版本（而且我已经太关心这样一个只会产生头痛的软件了）。

The TensorFlow 文档 https://www.tensorflow.org/api_docs/python/tf/print of tf.print says

打印指定的输入。

and then

一个 TensorFlow 运算符，将指定的输入打印到所需的输出流或日志记录级别。输入可以是

• dense or
• 稀疏张量,
• 原始Python对象,
• 包含张量的数据结构, and
• 可打印的Python对象.

打印的张量将递归地显示每个维度的第一个和最后一个元素进行总结。

这一切都很好，但我还是不明白在哪里tf.print将在我的代码中实际工作（即打印变量和张量的值）。当然，不用说，我并不关心张量、变量或其他什么的符号表示。每当我尝试使用tf.print，我想查看值（实数、向量或矩阵）。

我尝试过使用tf.print在多种情况和多个地方，例如

• 在从调用的方法中__init__自定义层的方法，在模型构建期间（因此在编译模型之前）调用，以打印张量的值（至少，这是type(my_var)返回，即返回<class 'tensorflow.python.framework.ops.Tensor'>），但没有打印任何内容。如果我尝试添加@tf.function（我仍然不明白这个函数的用法！），没有任何变化。根据上面的文档tf.print应该打印张量，我的变量是张量，TensorFlow 决定忽略我的调用，然后有人想知道为什么我决定使用 TF？为什么？

  另外，我正在使用 TF 2.0，即使我不使用装饰器@tf.function, print(tf.executing_eagerly())打印 False，这确实是我所期待的。

• 在自定义损失函数中，会发生类似的行为（即有时会打印某些内容，有时不会，有时我尝试添加装饰器@tf.function到自定义损失函数，看看是否有变化，但没有任何变化，或者也许是）。

好的，所以，如你所见，我不知道在哪里tf.print会做我想做的事，即我想查看张量的值。如果某个东西是张量，它就必须有一个值。对于变量也是如此。

那么，什么时候tf.print实际打印张量的值？

我正在寻找这样的答案：“tf.print永远不会工作”或“只有当你在做梦时它才会工作”。除了笑话和讽刺之外，我真的在寻找答案，准确地告诉我代码的哪些位置或使用 TF 开发模型的哪些阶段tf.print实际上会做它应该做的事情。请不要告诉我这个tf.print当输入是张量时将起作用！

tf.print几乎在所有情况下都有效。

下面提到的代码表明tf.print内部按预期工作init的方法Custom Layer和里面一个Method打电话自init方法一Custom Layer.

import tensorflow as tf

class MyLayer(tf.keras.layers.Layer):
    def __init__(self, units, **kwargs): 
        self.units = units
        tf.print('units', tf.convert_to_tensor(units)) # Inside init method
        self.call(10) # Method called from init Method
        super().__init__(**kwargs)
    def call(self, inputs):        
        tf.print('inputs', tf.convert_to_tensor(inputs)) #Inside Method of Custom Layer
        return inputs


def get_model():
    inp = tf.keras.layers.Input(shape=(1,))
    out = MyLayer(8)(inp)
    model = tf.keras.Model(inputs=inp, outputs=out)
    #model.summary()
    return model


def train():
    model = get_model()
    model.compile(optimizer="adam", loss="mae")
    x_train = [2, 3, 4, 1, 2, 6]
    y_train = [1, 0, 1, 0, 1, 1]
    model.fit(x_train, y_train)


if __name__ == '__main__':
    train()

输出的tf.print上面代码中使用的语句如下所示：

units 8

inputs 10

inputs [[2]
 [6]
 [3]
 [2]
 [1]
 [4]]

如果你看到那个tf.print在任何其他情况下都无法按预期工作，请分享可重现的代码，以便Tensorflow Community可以看一下。