在 Tensorflow 中将张量转换为 numpy 数组？

Question

使用带有 Python 绑定的 Tensorflow 时如何将张量转换为 numpy 数组？

原文由 mathetes 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

张量流 2.x

默认情况下启用 Eager Execution ，因此只需在 Tensor 对象上调用 .numpy() 。

 import tensorflow as tf

a = tf.constant([[1, 2], [3, 4]])
b = tf.add(a, 1)

a.numpy()
# array([[1, 2],
#        [3, 4]], dtype=int32)

b.numpy()
# array([[2, 3],
#        [4, 5]], dtype=int32)

tf.multiply(a, b).numpy()
# array([[ 2,  6],
#        [12, 20]], dtype=int32)

有关更多信息，请参阅 NumPy 兼容性。值得注意的是（来自文档），

Numpy 数组可能与 Tensor 对象共享内存。 对一个的任何更改都可能反映在另一个中。

大胆强调我的。可能会或可能不会返回副本，这是一个基于数据是在 CPU 还是 GPU 中的实现细节（在后一种情况下，必须从 GPU 到主机内存进行复制）。

但为什么我得到 AttributeError: 'Tensor' object has no attribute 'numpy' ？ .

很多人都评论过这个问题，有几个可能的原因：

• TF 2.0 未正确安装（在这种情况下，请尝试重新安装），或
• TF 2.0 已安装，但由于某种原因禁用了急切执行。在这种情况下，请调用 tf.compat.v1.enable_eager_execution() 启用它，或参见下文。

---

如果 Eager Execution 被禁用，您可以构建一个图形，然后通过 tf.compat.v1.Session 运行它：

 a = tf.constant([[1, 2], [3, 4]])
b = tf.add(a, 1)
out = tf.multiply(a, b)

out.eval(session=tf.compat.v1.Session())
# array([[ 2,  6],
#        [12, 20]], dtype=int32)

另请参阅 TF 2.0 Symbols Map ，了解旧 API 到新 API 的映射。

原文由 cs95 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

Session.run 或 eval 返回的任何张量都是 NumPy 数组。

 >>> print(type(tf.Session().run(tf.constant([1,2,3]))))
<class 'numpy.ndarray'>

要么：

 >>> sess = tf.InteractiveSession()
>>> print(type(tf.constant([1,2,3]).eval()))
<class 'numpy.ndarray'>

或者，等效地：

 >>> sess = tf.Session()
>>> with sess.as_default():
>>>    print(type(tf.constant([1,2,3]).eval()))
<class 'numpy.ndarray'>

编辑： Session.run 或 eval() 返回的 任何 张量都不是 NumPy 数组。例如，稀疏张量作为 SparseTensorValue 返回：

 >>> print(type(tf.Session().run(tf.SparseTensor([[0, 0]],[1],[1,2]))))
<class 'tensorflow.python.framework.sparse_tensor.SparseTensorValue'>

原文由 Lenar Hoyt 发布，翻译遵循 CC BY-SA 3.0 许可协议