Tensorflow: 如何将EagerTensor转换为numpy数组？

Question

使用标准的TensorFlow：

import tensorflow as tf

x = tf.convert_to_tensor([0,1,2,3,4], dtype=tf.int64)
y = x + 10

sess = tf.InteractiveSession()
sess.run([
    tf.local_variables_initializer(),
    tf.global_variables_initializer(),
])
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)

z = y.eval(feed_dict={x:[0,1,2,3,4]})
print(z)
print(type(z))

coord.request_stop()
coord.join(threads)
sess.close()

输出：

[10 11 12 13 14]
<class 'numpy.ndarray'>

使用急切执行：

import tensorflow as tf

tf.enable_eager_execution() # requires r1.7

x = tf.convert_to_tensor([0,1,2,3,4], dtype=tf.int64)
y = x + 10

print(y)
print(type(y))

输出：

tf.Tensor([10 11 12 13 14], shape=(5,), dtype=int64)
<class 'EagerTensor'>

如果我尝试y.eval()，我会得到NotImplementedError: eval not supported for Eager Tensors。难道没有办法转换吗？这使得Eager Tensorflow完全没有用。

编辑：

有一个函数tf.make_ndarray应该将张量转换为numpy数组，但它会导致AttributeError：'EagerTensor'对象没有属性'tensor_shape'。

- wewlie

Answer 1

你可以使用.numpy()函数，或者你也可以使用numpy.array(y)。例如：

import tensorflow as tf
import numpy as np

tf.enable_eager_execution()

x = tf.constant([1., 2.])
print(type(x))            # <type 'EagerTensor'>
print(type(x.numpy()))    # <type 'numpy.ndarray'>
print(type(np.array(x)))  # <type 'numpy.ndarray'>

请参阅即时执行指南中的此部分。

- ash

---

这可以在未启用急切执行的情况下完成吗？ - The Doctor

Answer 2

通过调用._numpy()方法，也可以获得EagerTensor的numpy视图。在内部，.numpy()会创建此视图的副本。

import tensorflow as tf

x = tf.constant([1., 2.])

print(type(x))           # <class 'tensorflow.python.framework.ops.EagerTensor'>

x_np_view = x._numpy()
print(type(x_np_view))   # <class 'numpy.ndarray'>

x_np_view[1] = 100
print(x)                 # tf.Tensor([  1. 100.], shape=(2,), dtype=float32)

- cottontail