Làm thế nào để chuyển đổi một tenxơ thành một mảng numpy khi sử dụng Tensorflow với các ràng buộc Python?

Bất kỳ tenor nào được trả về bởi Session.runhoặc evallà một mảng NumPy.

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

Hoặc là:

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

Hoặc, tương đương:

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

EDIT: Không phải bất kỳ tenor nào được trả về bởi Session.runhoặc eval()là một mảng NumPy. Ví dụ, các giá trị thưa thớt được trả về là SpzzyTensorValue:

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

Để chuyển đổi trở lại từ tenor sang mảng numpy, bạn chỉ cần chạy .eval()trên tenxơ đã chuyển đổi.

Kéo căng 2.x

Thực thi Eager được bật theo mặc định, vì vậy chỉ cần gọi .numpy()đối tượng Tensor.

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)

Điều đáng chú ý (từ các tài liệu),

Mảng Numpy có thể chia sẻ bộ nhớ với đối tượng Tensor. Mọi thay đổi đối với cái này có thể được phản ánh trong cái khác.

Nhấn mạnh đậm của tôi. Một bản sao có thể hoặc không thể được trả lại, và đây là một chi tiết thực hiện.

Nếu Thực thi Eager bị vô hiệu hóa, bạn có thể xây dựng một biểu đồ và sau đó chạy nó qua tf.compat.v1.Session:

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)

Xem thêm Bản đồ biểu tượng TF 2.0 để ánh xạ API cũ sang API mới.

Bạn cần phải:

1. mã hóa tenxơ hình ảnh ở một số định dạng (jpeg, png) thành tenxơ nhị phân
2. đánh giá (chạy) tenxơ nhị phân trong một phiên
3. biến nhị phân thành luồng
4. đưa vào hình ảnh PIL
5. (tùy chọn) hiển thị hình ảnh với matplotlib

Mã số:

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)

Điều này làm việc cho tôi. Bạn có thể thử nó trong một máy tính xách tay ipython. Chỉ cần đừng quên thêm dòng sau:

%matplotlib inline

Có lẽ bạn có thể thử phương pháp này:

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)

Tôi đã phải đối mặt và giải quyết chuyển đổi tenor-> ndarray trong trường hợp cụ thể của các tenx đại diện cho các hình ảnh (nghịch cảnh), thu được bằng các thông minh thư viện / hướng dẫn.

Tôi nghĩ rằng câu hỏi / câu trả lời của tôi ( ở đây ) có thể là một ví dụ hữu ích cho các trường hợp khác.

Tôi mới sử dụng TensorFlow, của tôi là một kết luận theo kinh nghiệm:

Có vẻ như phương thức tenor.eval () có thể cần, để thành công, cũng là giá trị cho các trình giữ chỗ đầu vào . Tenor có thể hoạt động giống như một hàm cần các giá trị đầu vào của nó (được cung cấp vào feed_dict) để trả về giá trị đầu ra, ví dụ

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

Xin lưu ý rằng tên giữ chỗ là x trong trường hợp của tôi, nhưng tôi cho rằng bạn nên tìm ra tên đúng cho trình giữ chỗ đầu vào . x_inputlà một giá trị vô hướng hoặc mảng chứa dữ liệu đầu vào.

Trong trường hợp của tôi cũng cung cấp sesslà bắt buộc.

Ví dụ của tôi cũng bao gồm phần trực quan hóa hình ảnh matplotlib , nhưng đây là OT.

Một ví dụ đơn giản có thể là,

    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 bây giờ nếu chúng ta muốn tenor này được chuyển đổi thành một mảng numpy

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

Đơn giản vậy thôi!

Tôi đã tìm kiếm nhiều ngày cho lệnh này.

Điều này làm việc cho tôi bên ngoài bất kỳ phiên hoặc một cái gì đó như thế này.

# 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

Bạn có thể sử dụng chức năng phụ trợ máy ảnh.

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

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

print(type(array))

<class 'numpy.ndarray'>

Tôi hy vọng nó sẽ giúp!