Функция debugging.disable_check_numerics

Функция debugging.disable_check_numerics отключает глобальную проверку числовой стабильности, включенную ранее с помощью debugging.enable_check_numerics. После вызова данной функции TensorFlow перестает проверять тензоры и операции на наличие значений NaN и Inf, а также на переполнение при вычислениях. Функция не принимает обязательных параметров и возвращает None. Она полезна в тех случаях, когда проверка числовой стабильности замедляет выполнение программы или мешает отладке других аспектов модели.

Синтаксис

tf.debugging.disable_check_numerics()

Пример

Давайте включим проверку числовой стабильности, выполним операцию с некорректными значениями, а затем отключим проверку и убедимся, что ошибка больше не возникает:

import tensorflow as tf

tf.debugging.enable_check_numerics()

t = tf.constant([1.0, 2.0, 3.0])
res = tf.math.log(tf.constant([-1.0, -2.0, -3.0]))
print(res)

Результат выполнения кода:

tf.Tensor([nan nan nan], shape=(3,), dtype=float32)

Теперь отключим проверку числовой стабильности и повторим вычисление:

<+python+> import tensorflow as tf tf.debugging.enable_check_numerics() tf.debugging.disable_check_numerics() t = tf.constant([1.0, 2.0, 3.0]) res = tf.math.log(tf.constant([-1.0, -2.0, -3.0])) print(res) <-python+>

Результат выполнения кода:

tf.Tensor([nan nan nan], shape=(3,), dtype=float32)

Пример

Давайте проверим, что после отключения проверки операции с переполнением выполняются без предупреждений:

import tensorflow as tf

tf.debugging.disable_check_numerics()

t = tf.constant([1e38, 1e38, 1e38])
res = t * t
print(res)

Результат выполнения кода:

tf.Tensor([inf inf inf], shape=(3,), dtype=float32)

Смотрите также

функцию enable_check_numerics,
которая включает проверку числовой стабильности
функцию assert_equal,
которая проверяет равенство двух тензоров
функцию assert_near,
которая проверяет близость двух тензоров
функцию assert_type,
которая проверяет тип тензора