如何将 Tensor 转换为 ndarray（内部带有对抗图像的张量）

Question

注意：我已经尝试过不同 SO 问题的解决方案但没有成功，详情如下。

我正在学习 cleverhans Pyhton 教程，重点是 this 代码（keras 模型案例）。我有基本的 keras 知识，但我刚刚开始使用 Tensorflow（总新手）。

我正在尝试可视化这段代码中生成的不利图像（引用链接的 cleverhans 来源）：

# Initialize the Fast Gradient Sign Method (FGSM) attack object and graph
fgsm = FastGradientMethod(wrap, sess=sess)
fgsm_params = {'eps': 0.3,
               'clip_min': 0.,
               'clip_max': 1.}
adv_x = fgsm.generate(x, **fgsm_params)
# Consider the attack to be constant
adv_x = tf.stop_gradient(adv_x)
preds_adv = model(adv_x)

据我了解，adv_x 应该包含生成的对抗图像，我尝试将张量转换为 ndarray，以便通过 matplot 将其可视化。我在 model(adv_x) 之前和之后都尝试了以下操作：

1) adv_x.eval()
2) adv_x.eval(sess)
3) sess.run(adv_x) 
4) ..and minor changes

一切都没有按预期工作，我收到各种错误：

ValueError: Cannot evaluate tensor using `eval()`: No default session is registered. Use `with sess.as_default()` or pass an explicit session to `eval(session=sess)`

和

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [?,28,28,1]
 [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[?,28,28,1], _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]]

和

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [?,28,28,1]
     [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[?,28,28,1], _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]]
     [[Node: strided_slice/_115 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation=1, tensor_name="edge_152_strided_slice", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

也尝试了 with sess.as_default(): 但没有成功。

adv_x 的类型是 <class 'tensorflow.python.framework.ops.Tensor'>，它的形状是 TensorShape([Dimension(None), Dimension(28), Dimension(28), Dimension(1)])。在调试控制台中写入 adv_x，我得到：<tf.Tensor 'StopGradient_4:0' shape=(?, 28, 28, 1) dtype=float32>

我也尝试在 Tensor 的一部分上工作 adv_x[0]，但没有成功。

我有点迷茫，我想我错过了一些 TensorFlow 基础知识，或者我误解了教程（adv_x 有效地填充了数据吗？）。

如何将 adv_x 类型转换为 ndarray 类型？任何提示表示赞赏

此致

Answer 1

我找到了解决方案，

似乎Tensor adv_x更像是一个函数而不是一个值，需要一个输入（我目前没有掌握背后的tensorflow复杂推理），因此您需要通过提供会话和字典来调用 eval()。该字典包含一个条目，即 adv_x 输入占位符的名称和它的一个值。在我的例子中，我提供了 60000 个输入示例（图像）的列表 x_train。

请注意，在我的例子中，占位符名称是 x，但我想你应该使用你在 FastGradientMethod 对象构造函数中输入的占位符的变量名称.

adv_images = adv_x.eval(session=sess, feed_dict={x: x_train})

adv_images是大小为(60000,28,28,1)的数组，ad1 = adv_images[1]是灰度图(28,28,1)。

您可以使用 matplot，但需要稍微更改数组形状。 Matplot灰度图像应该是二维数组：

matplotlib.pyplot.imshow(ad1[:,:,0])

这是我的解决方案，也许不是所有步骤都是强制性的，但是，你知道，你必须小心黑魔法:-)

P.s：为了避免 Out of Memory 错误，您可以截断 x_train，例如， x_train2 = xtrain[0:100]

如何将 Tensor 转换为 ndarray（内部带有对抗图像的张量）

How to convert Tensor to ndarray (tensor with adversarial images inside)

python

type-conversion

tensorflow

tensor

numpy-ndarray