剛入門機器學習相關的軟件包時，里面好多函數參數不知道應該怎么填，很茫然，這就需要看他自己的函數是怎么實現的，最起碼知道調用的函數需要什么參數，報錯了也不知道為什么會報錯，如果只是依賴網上查，出錯了就去網上搜，有點不知所以然，以下總結了一些對應方法，需要的點贊、收藏：

如何查看Python函數的源代碼：

inspect庫

inspect模塊用于收集python對象的信息，可以獲取類或者函數的參數信息，源碼，解析堆棧，對對象進行類型檢查等

使用方法：

import tensorflow as tf import inspect##查看文檔定義 inspect.getdoc(tf.compat.v1.constant) #tensorflow 2.0版本 insprct.getdoc(tf.constant) #tensorflow < 2.0#查看源程序路徑 inpect.getsourcefile(tf.compat.v1.constant)

輸出結果如下所示：

另外，python還提供了一些底層的函數來查看函數內容：dir(function), help(function), function.__file__, python官網。但是這些函數在查看tensorflow相關函數時不是特別的有效。

另外比較簡單的一種方法是在pycharm中選中一個函數，然后按F4，就可以直接定位tensorflow中的函數了。

如何查看tensorflow底層代碼實現（c，c++）：

tensorflow中op的實現基本上都是有底層的一些算法程序，這樣可以充分發揮c，c++的計算效率以及python簡單的優勢，一般在tensorflow中定義新的op需要下面的步驟：

1. 定義op接口并注冊到tensorflow中，

2. 注冊op實現，調用宏REGISTER_KERNEL_BUILDER，如下面的形式：

因此，對于一般的op，在tensorflow源代碼中搜索REGISTER_OP("OpName")和REGISTER_KERNEL_BUILDER(Name("OpName")基本上就可以精確定位到這個op的接口定義和具體實現了。

另外一種方法可以參照博客https://blog.csdn.net/yolan6824/article/details/82620521所示，通過寫一些腳本來進行實現，截圖如下：

import os import sysfindCount = 0 findId = "bidirectional_dynamic_rnn" findDir = "C:/Users/dell/Anaconda3/envs/tensorflow1/Lib" resultDir = "" #自己寫一個目錄 resultFile = os.path.join(resultDir,"bilstm.txt")def writeResultAndPrint(fullPath):file = open(resultFile,'a')file.write(fullPath)file.write("\n")print "write ok!\n"file.close()def findKey(findId,fullPath):file = open(fullPath,'r')content = file.read()file.close()isExist = content.find(findId)if isExist > 0:global findCountfindCount = findCount + 1writeResultAndPrint(fullPath)def findFiles():clean()for dirPath,dirNames,fileNames in os.walk(findDir):for file in fileNames:fullPath = os.path.join(dirPath,file)findKey(findId,fullPath)print "has the string!!:" + str(findCount)def clean():if os.path.exists(resultFile):os.remove(resultFile)if __name__ == '__main__': # a = sys.argv[1:] # findId += a[0] # findDir += a[1] # resultDir += a[2]findFiles()

酌情使用！！！

參考文獻：

https://blog.csdn.net/yolan6824/article/details/82620521

總結

以上是生活随笔為你收集整理的如何查看tensorflow源代码的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。