TensorFlow 2.0

Question

如何在使用Tensorflow和Python绑定时将张量转换为numpy数组？

Answer 1

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'>

或等同地：

>>> 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'>

Answer 2

要从张量转换回numpy数组，您只需在转换的张量上运行.eval()。

Answer 3

你需要：

以某种格式（jpeg，png）将图像张量编码为二进制张量
评估（运行）会话中的二进制张量
将二进制文件转换为流
提供给PIL图像
（可选）使用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。你可以在ipython笔记本中试试。只是不要忘记添加以下行：

%matplotlib inline

Answer 4

TensorFlow 2.0

Eager Execution是默认启用的，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)

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

（从文档中）值得注意的是

Numpy数组可能与Tensor对象共享内存。 对其中一项所做的任何更改都可能反映在另一项中。

我强调大胆。副本可能会也可能不会返回，这是一个实现细节。

如果禁用了“急切执行”，则可以构建图形，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)

有关旧API到新API的映射，另请参见TF 2.0 Symbols Map。

Answer 5

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 6

我已经解决并解决了 tensor-> ndarray 转换问题，具体情况是张量表示（对抗性）图像，这些图像是通过 cleverhans 库/教程获得的。

我认为我的问题/答案（here）对于其他情况也可能是一个有用的例子。

我是TensorFlow的新手，我的结论是这样的：

为了成功，似乎tensor.eval（）方法可能还需要输入 placeholders 的值。张量可能类似于需要其输入值（提供给feed_dict的函数）以返回输出值（例如

）的功能

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

请注意，在我的情况下，占位符名称为 x ，但我想您应该为输入的占位符找到正确的名称。 x_input是包含输入数据的标量值或数组。

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 7

一个简单的例子是

    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，如果我们希望将该张量a转换为一个numpy数组

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

就这么简单！

Answer 8

我正在搜索此命令的日子。

在任何会议或类似活动之外，这对我都有效。

void getData(float &weightP, float &heightP)

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

Answer 9

您可以使用keras后端功能。

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

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

print(type(array))

<class 'numpy.ndarray'>

希望对您有帮助！

Answer 10

如果看到有方法 _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。

首先： 使用np.array(your_tensor)

第二： 使用your_tensor.numpy

如何在TensorFlow中将张量转换为numpy数组？

11 个答案:

TensorFlow 2.0