python - 在 Tensorflow 中将张量转换为 numpy 数组？

Question

在使用带有 Python 绑定(bind)的 Tensorflow 时如何将张量转换为 numpy 数组？

Answer 1

TensorFlow 2.x

Eager Execution默认启用，所以只需调用 .numpy()在张量对象上。

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)

见 NumPy Compatibility更多。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.

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

但是为什么我得到 AttributeError: 'Tensor' object has no attribute 'numpy'？。
很多人都对这个问题发表了评论，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)，或者
• 已安装 TF 2.0，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，或见下文。

---

如果禁用了 Eager Execution，则可以构建一个图，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=<b>tf.compat.v1.Session()</b>)    
# array([[ 2,  6],
#        [12, 20]], dtype=int32)

另见 TF 2.0 Symbols Map用于将旧 API 映射到新 API。