Python bağlamaları ile Tensorflow kullanırken bir tensörü numpy diziye nasıl dönüştürebilirim?

Session.runVeya tarafından döndürülen herhangi bir tensör evalbir NumPy dizisidir.

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

Veya:

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

Veya eşdeğer olarak:

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

DÜZENLEME: Değil herhangi tensör tarafından döndürülen Session.runveya eval()bir NumPy dizidir. Örneğin Seyrek Tensörler SparseTensorDeğer olarak döndürülür:

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

Tensörden numpy dizisine geri dönüştürmek için dönüştürülmüş tensör .eval()üzerinde çalışabilirsiniz .

TensorFlow 2.x

Eager Execution varsayılan olarak etkindir, bu nedenle .numpy()Tensor nesnesini çağırmanız yeterlidir.

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)

Dikkat çekmeye değer (dokümanlardan),

Numpy dizisi belleği Tensor nesnesiyle paylaşabilir. Birindeki değişiklikler diğerine yansıtılabilir.

Cesur vurgu benim. Bir kopya iade edilebilir veya edilmeyebilir ve bu bir uygulama detayıdır.

Eager Yürütme devre dışı bırakılmışsa, bir grafik oluşturabilir ve ardından şu şekilde çalıştırabilirsiniz 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)

Eski API'nin yenisiyle eşlenmesi için TF 2.0 Semboller Haritasına da bakın .

Gerek:

1. görüntü tensörünü bir biçimde (jpeg, png) ikili tensöre kodlamak
2. bir oturumdaki ikili tensörü değerlendirir (çalıştırır)
3. akış için ikiliyi çevirin
4. PIL resmine besleme
5. (isteğe bağlı) görüntüyü matplotlib ile görüntüleme

Kod:

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)

Bu benim için çalıştı. Bir ipython not defterinde deneyebilirsiniz. Aşağıdaki satırı eklemeyi unutmayın:

%matplotlib inline

Belki bu yöntemi deneyebilirsiniz:

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)

Cleverhans kütüphanesi / öğreticileri ile elde edilen (çekişmeli) görüntüleri temsil eden özel tensörler durumunda tensör-> ndarray dönüşümüyle karşılaştım ve çözdüm .

Soru / cevabımın ( burada ) diğer durumlar için de yararlı bir örnek olabileceğini düşünüyorum.

TensorFlow'da yeniyim, benimki ampirik bir sonuç:

Başarılı olmak için tensor.eval () yönteminin girdi yer tutucuları için de değere ihtiyacı olabilir . Tensör, feed_dictbir çıkış değeri döndürmek için giriş değerlerine (içine verilen ) ihtiyaç duyan bir işlev gibi çalışabilir , örn.

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

Benim durumumda yer tutucu adının x olduğunu lütfen unutmayın , ancak giriş yer tutucusu için doğru adı bulmanız gerektiğini düşünüyorum . x_inputbir skaler değer veya girdi verilerini içeren bir dizidir.

Benim durumumda da sağlanması sesszorunluydu.

Örneğim matplotlib görüntü görselleştirme bölümünü de kapsıyor , ancak bu OT.

Basit bir örnek,

    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 şimdi bu tensörün a'nın numpy dizisine dönüştürülmesini istiyorsak

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

Kadar basit!

Bu komuta günlerce bakıyordum.

Bu benim için herhangi bir oturumun veya bunun gibi bir şeyin dışında çalıştı.

# 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

Keras arka uç işlevini kullanabilirsiniz.

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

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

print(type(array))

<class 'numpy.ndarray'>

Umut ediyorum bu yardım eder!