将Tensorflow与Python绑定一起使用时，如何将张量转换为numpy数组？

由Session.run或eval为NumPy数组返回的任何张量。

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

要么：

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

或者，等效地：

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

编辑：不是任何张量返回Session.run或是eval()一个NumPy数组。例如，稀疏张量作为SparseTensorValue返回：

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

要将张量转换回numpy数组，您只需.eval()在转换后的张量上运行即可。

TensorFlow 2.x

急切执行默认情况下.numpy()处于启用状态，因此只需调用Tensor对象即可。

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)

值得注意的是（来自文档），

Numpy数组可以与Tensor对象共享内存。对一个的任何更改都可能反映在另一个上。

大胆强调我的。副本可能会也可能不会返回，这是一个实现细节。

如果禁用了“急切执行”，则可以构建一个图形，然后通过tf.compat.v1.Session以下方式运行它：

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)

另请参见TF 2.0符号映射，以获取旧API到新API的映射。

你需要：

1. 将图像张量以某种格式（jpeg，png）编码为二进制张量
2. 在会话中评估（运行）二进制张量
3. 将二进制文件转换为流
4. 饲料到PIL图像
5. （可选）使用matplotlib显示图像

码：

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)

这对我有用。您可以在ipython笔记本中尝试。只是不要忘记添加以下行：

%matplotlib inline

也许您可以尝试一下，这种方法：

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)

在张量表示（对抗性）图像的特定情况下，我已经面对并解决了张量- > ndarray转换，这些情况是通过cleverhans库/教程获得的。

我认为我的问题/答案（在此处）对于其他情况也可能是一个有用的示例。

我是TensorFlow的新手，我的结论是：

似乎tensor.eval（）方法可能还需要输入占位符的值才能成功。张量可能像需要feed_dict返回输入值（提供）的函数一样工作，例如返回

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

请注意，在我的情况下，占位符名称为x，但我想您应该为输入的占位符找出正确的名称。 x_input is a scalar value or array containing input data.

就我而言，提供sess也是强制性的。

我的示例还涵盖了matplotlib图像可视化部分，但这是OT。

一个简单的例子可能是

    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现在，如果我们希望将张量a转换为numpy数组

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

就如此容易！

我正在寻找此命令的日子。

在任何会议或类似活动之外，这对我都有效。

# 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

您可以使用keras后端功能。

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

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

print(type(array))

<class 'numpy.ndarray'>

希望对您有所帮助！