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 'run' 或 'eval' 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

正如上面 github 链接中提到的， tf.make_ndarray 不起作用。 准确地说，发生错误是因为 tensorflow 需要一个不存在的 'tensor_shape'，而不是一个存在的 'shape'。

在这种情况下如何运行代码？

Answer 1

tf.make_ndarray用于将TensorProto值转换为 NumPy 数组。 这些值通常是图形中使用的常量。 例如，当您使用tf.constant ，创建一个Const与属性的操作value保持恒定值，该操作会产生。 该属性存储为TensorProto 。 因此，您可以像这样将Const操作的值“提取”为 NumPy 数组：

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，一般而言，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。