TensorFlow是目前使用最廣泛的深度學習框架，網上關於如何進行TensorFlow編程的教程或者博客比比皆是。然而，對於那些希望瞭解TensorFlow內部如何實現，或者是希望自定義修改TensorFlow內核的朋友來說，搜索相關的內容卻很難找到有幫助的教程或者博客，不論是中文還是外文。筆者去年花費好幾個月對如何調試TensorFlow源代碼，再到如何修改TensorFlow內核C++庫文件，最後自定義TensorFlow內部的Tensor形狀以及卷積模式，較熟悉如何進行TensorFlow的源代碼調試與修改。本文將介紹如何對TensorFlow進行調試，進而便於有需要的朋友進行內核（C++）的學習與修改。
網上有少許關於如何調試TensorFlow源代碼的文章，有的推薦直接用gdb，有的推薦用Emacs+gdb，有的推薦用codeblock的，筆者通過實驗發現VS code是可視化做的最好的，而且用戶界面友好，調試不會出現卡頓。Emacs在調試時隨着追蹤的深入會卡頓；而單純用gdb…可能適合於linux大佬；codeblock用戶界面不及VS code，而且筆者嘗試調試沒有成功…。
一：準備工作：
- 首先安裝VS code，python，gcc，bazel等必要庫。
- 然後git下載TensorFlow的源代碼並check out出自己需要的版本。對源代碼進行configure，根據是否有GPU而進行相應選擇。這裏需要注意：TensorFlow的版本必須要和本機的python，gcc，bazel版本相匹配，建議提前想好再安裝所有庫文件。
- 在configure源文件之後，我們需要用bazel對TensorFlow源代碼進行編譯。以CPU爲例，編譯命令爲：bazel build --spawn_strategy=standalone --verbose_failures --local_resources 11048,2.0,2.0 -c dbg --copt -g //tensorflow/tools/pip_package:build_pip_package
二：代碼調試：
- 打開VS code並打開TensorFlow源代碼根目錄。然後在根目錄創建.vscode文件夾。然後創建launch.json文件。文件內容如下：
![在這裏插入圖片描述]()
其中的program:選項代表的是你所要調試的文件，這裏我們選擇TensorFlow自帶的conv_ops_test文件。 - 任務完成，現在就可以到conv_ops_test.cc文件當中設置斷點並開始追蹤啦。
其中的program:選項代表的是你所要調試的文件，這裏我們選擇TensorFlow自帶的conv_ops_test文件。二：代碼修改：
- 對於希望修改TensorFlow源代碼的朋友，因爲已經知道如何調試了，剩下的就是在自己希望修改的地方添加斷點，然後追蹤代碼，進而修改並查看修改後對相應操作（卷積啊，池化啊等等）的影響。
- 對於希望添加自定義OP的朋友，可以選擇在TensorFlow現有的基礎上添加自定義OP，官網上有相應教程。我個人更推薦基於TensorFlow提供的examples進行修改，這樣就不用自己定義一系列麻煩操作啦。
三：更多內容：
爲了方便需要理解TensorFlow內核，以及希望自定義OP或者修改TensorFlow源代碼的朋友，我錄製了一期在線課程，課程中除了講述如何調試源代碼，同時還涵蓋了如何自定義TensorFlow當中的卷積操作（基於Eigen library）。課程不會講解TensorFlow各個模塊都做什麼的概念性介紹，而是以具體的實例講解如何調試，如何修改源代碼。
自己花費了很多時間來學習如何對TensorFlow源代碼進行調試與修改，課程中也會附帶自己遇到的問題以及解決方法的筆記，如何你想修改TensorFlow源代碼，相信可以節省幾周甚至幾個月的探索時間：https://edu.csdn.net/course/detail/28880