如何将张量转换为 NumPy 数组

Question

我已经根据我的数据训练了 ResNet50 模型。我想在进行预测时获得自定义层的输出。我尝试使用下面的代码来获取自定义层的输出，它以张量格式提供数据，但我需要NumPy array 格式的数据。我尝试将张量转换为 NumPy 数组，但出现错误，我遵循了这个 post，但没有帮助

任何人都可以分享一些想法，任何建议都会非常有帮助

from keras.models import load_model
import tensorflow as tf
import numpy as np

config = tf.ConfigProto()
config.gpu_options.allow_growth = True
tf.Session(config=config)

model = load_model(model_path) # load trained model

data = load_data(data_path) # load data for predictions
result = model.predict(data)
print(type(result_dev))
#<class 'numpy.ndarray'> 

result = model.get_layer('avg_pool').output
print(type(result))
#<class 'tensorflow.python.framework.ops.Tensor'>

我尝试过的事情

选项 1

result = result.numpy()

AttributeError: 'Tensor' 对象没有属性 'numpy'

选项 2

result = result.eval(session=tf.compat.v1.Session())

2020-09-22 11:21:59.522138: 我 tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:983] 成功 从 SysFS 读取的 NUMA 节点具有负值 (-1)，但必须有 至少一个 NUMA 节点，所以返回 NUMA 节点为零 2020-09-22 11：21：59.522343：我 tensorflow/core/common_runtime/gpu/gpu_device.cc:1618] 找到设备 0 带属性：

已安装依赖项：

tensorflow-gpu==1.15.0

Answer 1

您只能在 Eager 执行期间将张量转换为 numpy 数组。由于您使用的是早于 2.0 的版本，因此默认情况下不启用此功能。

无论如何，你可以在导入tensorflow之后调用这个：

tf.compat.v1.enable_eager_execution()

根据您的框架和用例，您可能还必须运行tf.config.run_functions_eagerly（如果您在任何地方定义了tf.function）。为了更好地支持 Eager 模式，您应该将 tensorflow 升级到最新版本并使用 tf.keras，因为您的代码可能无法在较旧的独立版本 Keras 上正常工作。在较新的版本中，您可以像这样指定您的 keras 模型急切地运行：

model.run_eagerly = True

Answer 2

使用tensorflow的以下函数可以将tensor转换为numpy数组：

import tensorflow as tf
tf.make_ndarray(
    tensor
)

例如：

# Tensor a has shape (2,3)
a = tf.constant([[1,2,3],[4,5,6]])
proto_tensor = tf.make_tensor_proto(a)  # convert `tensor a` to a proto tensor
tf.make_ndarray(proto_tensor) # output: array([[1, 2, 3],
#                                              [4, 5, 6]], dtype=int32)
# output has shape (2,3)

Answer 3

最后提到的方法 here 对我有用 tensorflow-gpu==2.0.0 和 keras==2.2.4