如何将张量流变量转换为numpy数组

Question

我正在尝试创建一个模型图，其中我的输入是从我的 java 程序输入的 tensorflow 变量 在我的代码中，我使用 numpy 方法，我需要将我的 tensorflow 变量输入转换为 numpy 数组输入

这是我的代码 sn-p

import tensorflow as tf
import numpy as np
eps = np.finfo(float).eps
EXPORT_DIR = './model'

def standardize(x):
   med0 = np.median(x)
   mad0 = np.median(np.abs(x - med0))
   x1 = (x - med0) / (mad0 + eps)
   return x1

#tensorflow input variable
a = tf.placeholder(tf.float32, name="input")
with tf.Session() as session:
session.run(tf.global_variables_initializer())
 #Converting the input variable to numpy array
 tensor = a.eval()

 #calling standardize method
 numpyArray = standardize(tensor)

 #converting numpy array to tf
 tf.convert_to_tensor(numpyArray)

 #creating graph
 graph = tf.get_default_graph()
 tf.train.write_graph(graph, EXPORT_DIR, 'model_graph.pb', as_text=False)

我收到错误：InvalidArgumentError（有关回溯，请参见上文）：您必须在行 tensor = a.eval()

当我用常量值代替占位符时，它就会工作并生成图表。但我想从我的 java 代码中输入。 有没有办法做到这一点，或者我需要将我所有的 numpy 方法转换为 tensorflow 方法

Answer 1

placeholder 只是 tensorflow 中的一个空变量，您可以向其提供 numpy 值。现在，您尝试做的事情没有意义。您无法从空变量中获取值。

如果你想standardize 你的张量，为什么要先把它转换成 numpy var？您可以使用tensorflow 直接执行此操作。

以下取自this stackoverflow ans

def get_median(v):
    v = tf.reshape(v, [-1])
    m = v.get_shape()[0]//2
    return tf.nn.top_k(v, m).values[m-1]

现在，您可以将函数实现为

def standardize(x):
    med0 = get_median(x)
    mad0 = get_median(tf.abs(x - med0))
    x1 = (x - med0)/(mad0 + eps)
    return x1