就像上一节说的那样，分析可以让你了解特定操作的内存使用情况。但是，观察整个模型的内存消耗更加重要。你必须确保不会超过你机器的内存，因为 swapping 绝对会降低你输入管道的速度，这样 GPU 就会等着处理新的数据。要检测这种行为，atv，用简单的 top 或者 Tensorboard 队列图应该足够了。要详细研究可以参照前面说的方法。

　　调试

　　善用打印

　　在调试问题时，比如停滞丢失或产生了奇怪的输出，我主要使用的工具是 tf.Print。考虑到神经网络的性质，看你的模型里面张量的原始值一般没有什么意义。没有人能看懂数百万的浮点数，看出什么地方错了。但是，有些方法，尤其是把形状或平均值打印出来，就能提供很多的信息。如果你要实现一些现有的模型，把东西打印出来能让你把模型的值和论文或文章里的值进行比较，还能帮助你解决一些棘手的问题，或者论文里的拼写错误。

　　TensorFlow 1.0 推出了新的 TFDebugger，看起来很有用。我现在还没有使用这个功能，但接下来几个星期肯定会用。

　　设置一个操作执行超时

　　好，现在你已经实现了你的模型，session 也启动了，但没有事情都没有什么发生？这通常是由空队列引起的。但是，如果你不知道是哪一个队列导致的，那么有一个简单的修复方法：只需在创建会话时启用一个操作执行超时，这样当操作超过限制时，脚本就会崩溃：

　　使用堆栈跟踪，你就可以找出是哪个操作产生了问题，修复错误，继续训练吧。

　　希望这篇文章对同样使用 TensorFlow 的你有用。如果你发现了错误，或者有建议或意见，欢迎在评论里和大家分享哦~~

　　编译来源：

【寻找AI独角兽】新智元联手10大资本

启动2017创业大赛

　　AI 创业大赛由新智元与10 家主流 AI 创投机构：蓝驰创投、红杉资本中国基金、高瓴智成人工智能基金、蓝湖资本、蓝象资本、IDG资本、高榕资本、中信建投证券、明势资本、松禾远望基金携手发起，由新智元主办，北京市中关村科技园区管理委员会、中关村科技园区海淀园管理委员会支持，是一场聚合了 AI 技术领袖和投资领袖的盛会。新智元向满怀雄心的未来AI独角兽提供强大的创投资源对接机会，顶级风投 TS 等你来拿。

　　点击文章下方阅读原文，在线填写报名申请报名表。该报名表为参与评选必填资料。

　　如有更多介绍资料（例如BP等），可发送至 [email protected]，邮件标题请注明公司名称。如有任何咨询问题，也欢迎向该邮箱发信联系。

　　大赛咨询，请添加新智元微信号：