如何在张量流中将 "tensor" 转换为 "numpy" 数组?

How to convert "tensor" to "numpy" array in tensorflow?

我正在尝试在 tesnorflow2.0 版本中将张量转换为 numpy。由于 tf2.0 启用了 eager execution,因此它应该默认工作并且在正常运行时也可以工作。当我在 tf.data.Dataset API 中执行代码时,它给出了一个错误

"AttributeError: 'Tensor' object has no attribute 'numpy'"

我在 tensorflow 变量之后尝试了“.numpy()”,对于“.eval()”,我无法获得默认会话。

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
# tf.executing_eagerly()
import os
import time
import matplotlib.pyplot as plt
from IPython.display import clear_output
from model.utils import  get_noise
import cv2


def random_noise(input_image):
  img_out = get_noise(input_image)
  return img_out


def load_denoising(image_file):
  image = tf.io.read_file(image_file)
  image = tf.image.decode_png(image)
  real_image = image
  input_image = random_noise(image.numpy())
  input_image = tf.cast(input_image, tf.float32)
  real_image = tf.cast(real_image, tf.float32)
  return input_image, real_image


def load_image_train(image_file):
  input_image, real_image = load_denoising(image_file)
  return input_image, real_image

这个很好用

inp, re = load_denoising('/data/images/train/18.png')
# Check for correct run
plt.figure()
plt.imshow(inp)
print(re.shape,"  ", inp.shape)

这会产生上述错误

train_dataset = tf.data.Dataset.list_files('/data/images/train/*.png')
train_dataset = train_dataset.map(load_image_train,num_parallel_calls=tf.data.experimental.AUTOTUNE)

注:random_noise有cv2和sklearn函数

如果要在 tf.data.Dataset.map 调用中使用此张量,则不能对张量使用 .numpy 方法。

引擎盖下的 tf.data.Dataset 对象通过创建静态图工作:这意味着您不能使用 .numpy(),因为 tf.Tensor 对象在 static-graph上下文没有这个属性。

因此,input_image = random_noise(image.numpy())行应该是input_image = random_noise(image)

但是代码可能会再次失败,因为 random_noisemodel.utils 包中调用 get_noise。 如果 get_noise 函数是使用 Tensorflow 编写的,那么一切都会起作用。不然不行。

解决办法?仅使用 Tensorflow 基元编写代码。

例如,如果您的函数 get_noise 只是用输入图像的表面创建随机噪声,您可以将其定义为:

def get_noise(image):
    return tf.random.normal(shape=tf.shape(image))

仅使用 Tensorflow 基元,它会起作用。

希望这篇概述对您有所帮助!

P.S:您可能有兴趣查看文章 "Analyzing tf.function to discover AutoGraph strengths and subtleties" - 它们涵盖了这方面(也许第 3 部分与您的场景相关):part 1 part 2 part 3

在TF2.x版本中,使用tf.config.run_functions_eagerly(True).