使用tf的debugger调试十分简单，总分为以下几个流程：#

1. import tensorflow的调试模块

fromf  tensorflow.python import debug as tfdbg

2. 用调试模块的会话对象包装原有的Session对象：

withw  tf.Session(config=config) as sess:
sess = tfdbg.LocalCLIDebugWrapperSession(sess)

3. 加入异常值对应的过滤器（可以自定义过滤器）

sess.add_tensor_filter("has_inf_or_nan", tfdbg.has_nan_or_inf)

4. 运行代码，并在带过滤器的情况下运行

r -f has_inf_or_nan

5. 跟踪异常值产生的节点，并找到异常值来源在源码中的位置（这个较灵活，有些可能需要回溯几个节点，有些直接可查）

nin  -t Discrim/add_2

6. 退出debugger

nin  -t Discrim/add_2

---

如何在实例中调用tfdbg（以mnist为例）：

1. 其他地方都不需要改动，只需要使用调试模块来包装sess对象：

2. 添加需要用到的异常值所对应的过滤器

3. 然后在命令行中输入以下代码：

4. 等待片刻即可进入tensorflow的debugger模式：

5. 输入命令run即可得到所有变量

6. 输入命令run -f has_inf_or_nan即可得到所有值为inf或nan的变量

7. 输出命令 例如：pt conv2d_1/random_uniform/shape:0 即可得到conv2d_1/random_uniform/shape:0的值

---

tfdbg CLI常用命令：

详情请见：http://cwiki.apachecn.org/pages/viewpage.action?pageId=10029501