在 Tensorflow 中将张量转换为 numpy 数组？

Question

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

Answer 1

要从张量转换回 numpy 数组，您只需在转换后的张量上运行 .eval()。

Answer 2

您需要：

将某种格式（jpeg、png）的图像张量编码为二进制张量
在一个会话中评估 (运行) 二元张量
将二进制转为流
提供给 PIL 图片
（可选）用 matplotlib 显示图像

代码：

import tensorflow as tf
import matplotlib.pyplot as plt
import PIL

...

image_tensor = <your decoded image tensor>
jpeg_bin_tensor = tf.image.encode_jpeg(image_tensor)

with tf.Session() as sess:
    # display encoded back to image data
    jpeg_bin = sess.run(jpeg_bin_tensor)
    jpeg_str = StringIO.StringIO(jpeg_bin)
    jpeg_image = PIL.Image.open(jpeg_str)
    plt.imshow(jpeg_image)

这对我有用。您可以在 ipython 笔记本中尝试。只是不要忘记添加以下行：

%matplotlib inline

Answer 3

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'>

或者：

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

或者，等价地：

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

编辑： 不是任何由 Session.run 或 eval() 返回的张量是 NumPy 数组。例如，稀疏张量返回为 SparseTensorValue:

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

Answer 4

也许你可以试试，这个方法：

import tensorflow as tf
W1 = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
array = W1.eval(sess)
print (array)

Answer 5

我已经面对并解决了 tensor->ndarray 在表示（对抗）图像的张量的特定情况下的转换，用 cleverhans[=35= 获得] library/tutorials.

我认为我的 question/answer () 对于其他情况也可能是一个有用的例子。

我是 TensorFlow 的新手，我的是一个经验结论：

为了成功，tensor.eval() 方法似乎还需要输入 placeholders 的值。张量可能像函数一样工作，需要其输入值（提供给 feed_dict）以便 return 输出值，例如

array_out = tensor.eval(session=sess, feed_dict={x: x_input})

请注意，占位符名称在我的例子中是 x，但我想您应该为输入找到正确的名称 placeholder. x_input 是标量值或包含输入数据的数组。

就我而言，还必须提供 sess。

我的示例还涵盖了 matplotlib 图像可视化部分，但这是 OT。

Answer 6

一个简单的例子可以是，

    import tensorflow as tf
    import numpy as np
    a=tf.random_normal([2,3],0.0,1.0,dtype=tf.float32)  #sampling from a std normal
    print(type(a))
    #<class 'tensorflow.python.framework.ops.Tensor'>
    tf.InteractiveSession()  # run an interactive session in Tf.

n 现在如果我们想把这个张量 a 转换成一个 numpy 数组

    a_np=a.eval()
    print(type(a_np))
    #<class 'numpy.ndarray'>

就这么简单！

Answer 7

TensorFlow 2.x

Eager Execution is enabled by default, so just call .numpy() 在 Tensor 对象上。

import tensorflow as tf

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

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

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

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

有关更多信息，请参阅 NumPy Compatibility。值得注意的是（来自文档），

Numpy array may share a memory with the Tensor object. Any changes to one may be reflected in the other.

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 到主机内存中制作副本）。

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 re-installing），或
TF 2.0 已安装，但由于某种原因禁用了即时执行。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，您可以构建一个图表，然后运行通过 tf.compat.v1.Session:

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

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

另请参阅 TF 2.0 Symbols Map，了解旧 API 到新

的映射。

Answer 8

我为这个命令搜索了好几天。

这对我有用 session 或类似的东西。

# you get an array = your tensor.eval(session=tf.compat.v1.Session())
an_array = a_tensor.eval(session=tf.compat.v1.Session())

https://kite.com/python/answers/how-to-convert-a-tensorflow-tensor-to-a-numpy-array-in-python

Answer 9

可以使用keras后台功能

import tensorflow as tf
from tensorflow.python.keras import backend 

sess = backend.get_session()
array = sess.run(< Tensor >)

print(type(array))

<class 'numpy.ndarray'>

希望对您有所帮助！

Answer 10

如果你看到有一个方法 _numpy(), 例如，对于 EagerTensor，只需调用上述方法，您将获得一个 ndarray。

Answer 11

您可以通过以下方式将tensorflow中的张量转换为numpy数组。

第一个： 使用 np.array(your_tensor)

第二个： 使用 your_tensor.numpy

Answer 12

关于 Tensorflow 2.x

以下通常有效，因为默认情况下会激活急切执行：

import tensorflow as tf

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

print(a.numpy())
# [[1 2]
#  [3 4]]

但是，由于很多人似乎都在发帖错误：

AttributeError: 'Tensor' object has no attribute 'numpy'

我认为可以公平地说，在图形模式下调用 tensor.numpy() 将不会起作用。这就是您看到此错误的原因。这是一个简单的例子：

import tensorflow as tf

@tf.function
def add():
  a = tf.constant([[1, 2], [3, 4]])                 
  b = tf.add(a, 1)
  tf.print(a.numpy()) # throws an error!
  return a
add()

可以找到一个简单的解释here:

Fundamentally, one cannot convert a graph tensor to numpy array because the graph does not execute in Python - so there is no NumPy at graph execution. [...]

TFdocs.

也值得一看

关于使用 Tensorflow 的 Keras 模型 2.x

这也适用于 Keras 模型，默认情况下它们被包裹在 tf.function 中。如果确实需要运行tensor.numpy()，可以在model.compile(*)中设置参数run_eagerly=True，但这会影响模型的性能

在 Tensorflow 中将张量转换为 numpy 数组？

Convert a tensor to numpy array in Tensorflow?

python

numpy

tensorflow

TensorFlow 2.x

关于 Tensorflow 2.x

关于使用 Tensorflow 的 Keras 模型 2.x