Tensorflow：如何将 EagerTensor 转换为 numpy 数组？

使用标准 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)          # [10 11 12 13 14]
print(type(z))    # <class 'numpy.ndarray'>

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

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

如果我尝试 y.eval() ，我会得到 NotImplementedError: eval not supported for Eager Tensors 难道就没有办法转换这个吗？这使得 Eager Tensorflow 完全毫无价值。

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' object has no attribute 'tensor_shape'

你完全正确：在 Eager Execution 中，你不需要使用 Session 或 .eval() 来获取张量的值。

EagerTensor 对象可以像 NumPy 数组一样直接使用，并与大多数 NumPy 函数兼容。你可以直接将 EagerTensor 传递给期望 NumPy 数组的函数，或者使用 .numpy() 方法将其显式转换为 NumPy 数组。

以下是如何使用 Eager Execution 将 EagerTensor 转换为 NumPy 数组：

import tensorflow as tf

tf.enable_eager_execution()

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

# 将 EagerTensor 转换为 NumPy 数组
y_np = y.numpy()

print(y_np)         # [10 11 12 13 14]
print(type(y_np))   # <class 'numpy.ndarray'>

在你的代码中，你不需要任何额外的函数或转换来使用 y 的值，因为它已经表现得像一个 NumPy 数组。例如，你可以这样做：

for i in y:
  print(i + 1) 

这将打印出 y 中每个元素加 1 的结果。

希望这对你有帮助！如果还有其他问题，请告诉我。