python - 如何在 TensorFlow 中将张量转换为 ndarray？

Question

我的目标是将张量转换为没有“运行”或“评估”的 ndarray。我想执行与示例相同的操作。

A = tf.constant(5)
B = tf.constant([[A, 1], [0,0]])

但是， ndarray 可以在 tf.constant 内部，但 tensor 不能。因此，我尝试使用以下示例执行操作，但 tf.make_ndarray 不起作用。

A = tf.constant(5)
C = tf.make_ndarray(A)
B = tf.constant([[C, 1], [0,0]])

https://github.com/tensorflow/tensorflow/issues/28840#issuecomment-509551333

如上面的 github 链接中所述，tf.make_ndarray 不起作用。准确地说，是因为 tensorflow 需要一个不存在的 'tensor_shape' 而不是存在的 'shape' ，所以会发生错误。

在这种情况下如何运行代码？

标签： pythontensorflow

Answer 1

tf.make_ndarray用于将TensorProto值转换为 NumPy 数组。这些值通常是图表中使用的常数。例如，当您使用 时tf.constant，您会创建一个Const操作，其属性value包含操作将生成的常量值。该属性存储为TensorProto. 因此，您可以将操作的值“提取”Const为 NumPy 数组，如下所示：

import tensorflow as tf

A = tf.constant(5)
C = tf.make_ndarray(A.op.get_attr('value'))
print(C, type(C))
# 5 <class 'numpy.ndarray'>

但是，一般来说，您不能将任意张量转换为 NumPy 数组，因为它们的值将取决于变量的值和特定会话中的馈送输入。