python - 在将值分配给神经网络之前将 TensorFlow 张量转换为 numpy

Question

我正在与 DCGAN code 合作。我需要修改the reward通过添加一个函数将其提供给其中一个神经网络，该函数将获取该神经网络的输出，对其进行分析并对其进行惩罚。所以我的损失函数如下所示:

self.g_loss = self.g_loss + self.penalty

问题是

• 这个惩罚函数仅将 numpy 数组作为输入(我无法修改它)，

• 神经网络输出是一个tf.tensor，

• 由于这些值尚未分配给神经网络(从技术上讲，它尚未构建)，我既无法运行 .eval() 也无法运行 sess.run().

那么在这种情况下我如何将tensorflow张量转换为numpy数组？

Answer 1

Tensorflow 具有 wrapping Python functions and passing tensors to them 的 tf.py_func 。但是，您无法使用此损失函数来训练网络，因为 Tensorflow 不会自动区分 numpy 代码。

幸运的是，autograd does automatically differentiate numpy code 。如果您使用它，在另一个 tf.pyfunc 调用中，您可以获得渐变，然后您可以 put back into the tensorflow graph on the backward pass .

以下是如何在 this gist 中完成这一切的示例.