如何将Tensor转换成NumPy数组

Question

我已经根据我的数据训练ResNet50 model。 我想在进行预测时获得自定义层的 output。 我尝试使用以下代码获取自定义层的 output，它以张量格式提供数据，但我需要NumPy array格式的数据。 我试图将张量转换为 NumPy 数组但出现错误，我已经关注了这篇文章，但没有帮助

谁能分享一些想法，任何建议都会很有帮助

from keras.models import load_model
import tensorflow as tf
import numpy as np

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
tf.Session(config=config)

model = load_model(model_path) # load trained model

data = load_data(data_path) # load data for predictions
result = model.predict(data)
print(type(result_dev))
#<class 'numpy.ndarray'> 

result = model.get_layer('avg_pool').output
print(type(result))
#<class 'tensorflow.python.framework.ops.Tensor'>

我试过的东西

选项1

result = result.numpy()

AttributeError: 'Tensor' object 没有属性 'numpy'

选项 2

result = result.eval(session=tf.compat.v1.Session())

2020-09-22 11:21:59.522138: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:983] 从 SysFS 读取成功的 NUMA 节点有负值（-1），但必须至少有一个 NUMA 节点，所以返回NUMA 节点零 2020-09-22 11:21:59.522343: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1618] 找到具有属性的设备 0：

依赖安装：

tensorflow-gpu==1.15.0

Answer 1

在 Eager 执行期间，您只能将张量转换为 numpy arrays。 由于您使用的版本早于 2.0，因此默认情况下未启用。

在任何情况下，您都可以在导入 tensorflow 后调用它：

tf.compat.v1.enable_eager_execution()

根据您的框架和用例，您可能还必须运行tf.config.run_functions_eagerly （如果您在任何地方定义了tf.function ）。 为了更好地支持 Eager 模式，您应该将 tensorflow 升级到最新版本并使用tf.keras ，因为您的代码可能无法与Keras的旧独立版本一起正常工作。 在较新的版本中，您可以指定您的 keras model 像这样急切地运行：

model.run_eagerly = True

Answer 2

可以使用以下 tensorflow 的tensorflow将tensor转换为numpy数组：

import tensorflow as tf
tf.make_ndarray(
    tensor
)

例如：

# Tensor a has shape (2,3)
a = tf.constant([[1,2,3],[4,5,6]])
proto_tensor = tf.make_tensor_proto(a)  # convert `tensor a` to a proto tensor
tf.make_ndarray(proto_tensor) # output: array([[1, 2, 3],
#                                              [4, 5, 6]], dtype=int32)
# output has shape (2,3)

Answer 3

最后这里提到的方法对我tensorflow-gpu==2.0.0和keras==2.2.4