如何从另一个张量（如 tf.constant 和 number）创建一个张量？答案

【问题标题】：How to create a tensor from another tensor like tf.constant and number?如何从另一个张量（如 tf.constant 和 number）创建一个张量？
【发布时间】：2022-08-20 01:11:47
【问题描述】：

我想使用张量中的值来创建另一个张量，但出现以下错误：

>>> a = tf.constant(3)
>>> a
Out[51]: <tf.Tensor: shape=(), dtype=int32, numpy=3>
>>> tf.constant([a, 2])
Traceback (most recent call last):
  File \"/Users/belter/miniconda3/envs/deside_obj/lib/python3.8/site-packages/IPython/core/interactiveshell.py\", line 3369, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File \"<ipython-input-53-7af9a5175a59>\", line 1, in <cell line: 1>
    tf.constant([a, 2])
  File \"/Users/belter/miniconda3/envs/deside_obj/lib/python3.8/site-packages/tensorflow/python/framework/constant_op.py\", line 267, in constant
    return _constant_impl(value, dtype, shape, name, verify_shape=False,
  File \"/Users/belter/miniconda3/envs/deside_obj/lib/python3.8/site-packages/tensorflow/python/framework/constant_op.py\", line 279, in _constant_impl
    return _constant_eager_impl(ctx, value, dtype, shape, verify_shape)
  File \"/Users/belter/miniconda3/envs/deside_obj/lib/python3.8/site-packages/tensorflow/python/framework/constant_op.py\", line 304, in _constant_eager_impl
    t = convert_to_eager_tensor(value, ctx, dtype)
  File \"/Users/belter/miniconda3/envs/deside_obj/lib/python3.8/site-packages/tensorflow/python/framework/constant_op.py\", line 102, in convert_to_eager_tensor
    return ops.EagerTensor(value, ctx.device_name, dtype)
ValueError: TypeError: Scalar tensor has no `len()`
Traceback (most recent call last):
  File \"/Users/belter/miniconda3/envs/deside_obj/lib/python3.8/site-packages/tensorflow/python/framework/ops.py\", line 1170, in __len__
    raise TypeError(\"Scalar tensor has no `len()`\")
TypeError: Scalar tensor has no `len()`

如何使用张量 a 中的值？

您可以通过多种方式使用张量。或许你想看看concat

标签： python tensorflow

【解决方案1】：

您可以使用tf.stack。

import tensorflow as tf

@tf.function
def join_tns_num(tensor, num):
    return tf.stack([tensor, tf.constant(num)], axis=0)

检查功能：

>>> join_tns_num(tf.constant(3), 2)
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([3, 2], dtype=int32)>

【讨论】：

【解决方案2】：

调用.numpy()方法获取张量值


tf.constant([a.numpy(), 2])

【讨论】：

如果我需要在tf.function 中使用它怎么办？
在tf.function 中，您不必获取张量的值，相反，如果您想做一些涉及张量和非张量的操作，假设您想将tf.constant 和一个整数连接到制作一个 tf.constant ，您必须先将 int 变量转换为 tf.constant ，然后将两者都传递给 tf.concat() 。所以在你的tf.function 里面它看起来像这样return tf.concat([a, tf.constant([2])], 0)

【解决方案3】：

我不认为tf.stack 是这种简单操作的最佳选择，实际上我们希望避免tf.Tensor.numpy() 以保持与图形模式的兼容性。

相反，您可以使用tf.convert_to_tensor，引用文档，接受张量对象、numpy 数组、Python 列表和 Python 标量，所以大多数你想扔给它的东西：

In [1]: import tensorflow as tf
In [2]: a = tf.constant(3)
In [3]: tf.convert_to_tensor([a, 2])
Out[3]: <tf.Tensor: shape=(2,), dtype=int32, numpy=array([3, 2], dtype=int32)>

这也适用于图形模式。从另一个答案改编演示：

In [4]: @tf.function
   ...: def join_tns_num(tensor, num):
   ...:     return tf.convert_to_tensor([tensor, tf.constant(num)])
   ...: 
In [5]: join_tns_num(a, 42)
Out[5]: <tf.Tensor: shape=(2,), dtype=int32, numpy=array([ 3, 42], dtype=int32)>

【讨论】：