从张量流中的张量中检索值的最快方法是什么？

Question

我现在要做的是从 1 X 1 大小的张量中获取一个值，我有将近 6000 个。

到目前为止，我已经尝试过使用 eval()、session()。我能想到的最好办法是将张量更改为 numpy 以从中获取价值。但问题是它非常慢，尤其是在必须处理大量数据时。有什么快速的方法可以从张量中检索数据吗？

仅供参考，这是我尝试实现的代码部分。

cross_IF = []
count = 0
for i in range(len(test_IF)):
  if (count % 100 == 0):
    print(count)
  count += 1
  c = keras.losses.categorical_crossentropy(test_IF[i], prediction_IF[i])
  element = keras.backend.eval(tf.reduce_sum(c))
  cross_IF.append(element)

cross_IF 是我将用来从张量 'tf.reduce_sum(c)' 中叠加值的列表。 test_IF和prediction_IF是测试值和预测值。

Answer 1

为了社区的利益在答案部分提供解决方案。

问题是使用 categorical_crossentropy 导致 tensor，而不是 numpy。

将 categorical_crossentropy 转换为 numpy 格式，然后将其附加到 numpy 列表中需要更多时间。

相反，将所有 cross entropies 数据串联为 tensor 形式，然后在端将其转换为 numpy让它更快。

从张量流中的张量中检索值的最快方法是什么？

What's the fastest way to retrieve a value from a tensor in tensorflow?

python

numpy

tensorflow

tensor