tf.debugging.experimental.enable_dump_debug_info

Включает сохранение отладочной информации программы TensorFlow.

Псевдонимы

Псевдонимы для обеспечения совместимости при миграции

Подробнее см. в руководстве по миграции.

tf.compat.v1.debugging.experimental.enable_dump_debug_info

tf.debugging.experimental.enable_dump_debug_info(
    dump_root,
    tensor_debug_mode=DEFAULT_TENSOR_DEBUG_MODE,
    circular_buffer_size=1000,
    op_regex=None,
    tensor_dtypes=None
)

Отладочная информация сохраняется в каталоге файловой системы, указанном в dump_root.

Сохраненную отладочную информацию можно загрузить в пользовательские интерфейсы отладчика.

Файлы в каталоге с дампом содержат следующую информацию:

Создание функций TensorFlow (например, компиляцию функций Python, декорированных с помощью @tf.function), типы операций, имена (если доступны), контекст, входные и выходные тензоры, а также связанные с ними трассировки стека.
Выполнение операций TensorFlow (ops) и функций, а также их трассировки стека, типы операций, имена (если доступны) и контексты. Кроме того, в зависимости от значения аргумента tensor_debug_mode (см. раздел «Аргументы» ниже) будут сохранены значения выходных тензоров или более краткие сводки значений тензоров.
Снимок исходных файлов Python, использованных при выполнении программы TensorFlow.

После включения сохранение данных можно отключить с помощью соответствующего метода disable_dump_debug_info() в том же пространстве имен Python. Повторный вызов этого метода с тем же dump_root идемпотентен. Повторный вызов этого метода с другими значениями tensor_debug_mode приводит к ValueError. Повторный вызов этого метода с другими значениями circular_buffer_size приводит к ValueError. Вызов этого метода с другим dump_root отменяет ранее включенный dump_root.

Пример использования:

tf.debugging.experimental.enable_dump_debug_info('/tmp/my-tfdbg-dumps')

# Code to build, train and run your TensorFlow model...

Примечание: Если код выполняется на TPU, обязательно вызовите tf.config.set_soft_device_placement(True) перед вызовом tf.debugging.experimental.enable_dump_debug_info(), поскольку этот API использует автоматическую внешнюю компиляцию на TPU. Например:

tf.config.set_soft_device_placement(True)
tf.debugging.experimental.enable_dump_debug_info(
    logdir, tensor_debug_mode="FULL_HEALTH")

resolver = tf.distribute.cluster_resolver.TPUClusterResolver(tpu='')
strategy = tf.distribute.TPUStrategy(resolver)
with strategy.scope():
  # ...

Аргументы
`dump_root`	Путь к каталогу, в который будут записаны данные отладки.
`tensor_debug_mode`	Режим отладки значений тензоров в виде строки. В настоящее время поддерживаются следующие варианты: "NO_TENSOR": (По умолчанию) Сохраняются только трассировки выходных тензоров всех выполненных операций (включая операции, выполненные немедленно на уровне Python или в составе графа TensorFlow) и функций; сведения о значениях тензоров не извлекаются. "CURT_HEALTH": Для каждого тензора с плавающим типом данных (например, тензоров с такими типами данных, как `float32`, `float64` и `bfloat16`) извлекается один бит, указывающий, содержит ли он значения -infinity, +infinity или NaN. "CONCISE_HEALTH": Для каждого тензора с плавающим типом данных извлекаются общее число элементов, а также число элементов со значениями -infinity, +infinity и NaN. "FULL_HEALTH": Для каждого тензора с плавающим типом данных извлекаются тип данных, ранг (число измерений), общее число элементов, а также число элементов со значениями -infinity, +infinity и NaN. "SHAPE": Для каждого тензора (независимо от типа данных) извлекаются его тип данных, ранг, общее число элементов и форма.
`circular_buffer_size`	Размер кольцевых буферов для событий выполнения. Эти кольцевые буферы предназначены для уменьшения накладных расходов при сохранении отладочных данных. В них хранятся последние отладочные события, связанные с немедленным выполнением операций и `tf.function`, а также трассировки значений тензоров, вычисленных внутри `tf.function`. Они записываются в файловую систему только при вызове соответствующего метода сброса буфера (см. описание возвращаемых значений ниже). Ожидается целое число. Если значение <= 0, поведение кольцевого буфера отключается, то есть отладочные события выполнения записываются в файловые потоки так же, как и события, не связанные с выполнением, например создание операций и снимки исходных файлов.
`op_regex`	Сохранять данные только для тензоров операций, типы которых соответствуют регулярному выражению (с помощью `re.match()` из Python). «Тип операции» обозначает имена операций TensorFlow (например, "MatMul", "LogSoftmax"), которые могут повторяться в функции TensorFlow. Это не имена узлов (например, "dense/MatMul", "dense_1/MatMul_1"), уникальные в пределах функции. Пример 1: сохранять данные тензоров только для операций MatMul и Relu: `op_regex="^(MatMul\|Relu)$"`. Пример 2: сохранять тензоры для всех операций, кроме Relu: `op_regex="(?!^Relu$)"`. Этот фильтр работает в логическом отношении И с `tensor_dtypes`.
`tensor_dtypes`	Сохранять данные только для тензоров указанных типов данных. Этот необязательный аргумент может иметь один из следующих форматов: список или кортеж объектов `DType` либо строк, которые можно преобразовать в объекты `DType` с помощью `tf.as_dtype()`. Примеры: `tensor_dtype=[tf.float32, tf.float64]`, `tensor_dtype=["float32", "float64"]`, `tensor_dtypes=(tf.int32, tf.bool)`, `tensor_dtypes=("int32", "bool")` объект callable, принимающий один аргумент `DType` и возвращающий значение Python `boolean`, указывающее, следует ли включать этот тип данных в сохраняемые данные. Примеры: `tensor_dtype=lambda dtype: dtype.is_integer`. Этот фильтр работает в логическом отношении И с `op_regex`.

Возвращает
Экземпляр DebugEventsWriter, используемый функцией обратного вызова для сохранения данных. Вызывающий код может использовать его методы сброса буфера, включая `FlushNonExecutionFiles()` и `FlushExecutionFiles()`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/debugging/experimental/enable_dump_debug_info