PythonバインディングでTensorflowを使用するときにテンソルをテンキー配列に変換する方法
Session.run
またはeval
によって返されるテンソルはすべてNumPy配列です。
>>> print(type(tf.Session().run(tf.constant([1,2,3]))))
<class 'numpy.ndarray'>
または
>>> sess = tf.InteractiveSession()
>>> print(type(tf.constant([1,2,3]).eval()))
<class 'numpy.ndarray'>
または、同等に
>>> sess = tf.Session()
>>> with sess.as_default():
>>> print(type(tf.constant([1,2,3]).eval()))
<class 'numpy.ndarray'>
Session.run
またはeval()
から返されるEDIT: Not any tensorはNumPy配列です。たとえば、スパーステンソルはSparseTensorValueとして返されます。
>>> print(type(tf.Session().run(tf.SparseTensor([[0, 0]],[1],[1,2]))))
<class 'tensorflow.python.framework.sparse_tensor.SparseTensorValue'>
テンソルからテンキー配列に変換するには、変換されたテンソルに対して.eval()
を実行するだけです。
必要がある:
コード:
import tensorflow as tf
import matplotlib.pyplot as plt
import PIL
...
image_tensor = <your decoded image tensor>
jpeg_bin_tensor = tf.image.encode_jpeg(image_tensor)
with tf.Session() as sess:
# display encoded back to image data
jpeg_bin = sess.run(jpeg_bin_tensor)
jpeg_str = StringIO.StringIO(jpeg_bin)
jpeg_image = PIL.Image.open(jpeg_str)
plt.imshow(jpeg_image)
これは私のために働きました。あなたはipythonのノートブックでそれを試すことができます。次の行を追加することを忘れないでください。
%matplotlib inline
Eager Execution はデフォルトで有効になっているため、Tensorオブジェクトで .numpy()
を呼び出すだけです。
import tensorflow as tf
a = tf.constant([[1, 2], [3, 4]])
b = tf.add(a, 1)
tf.multiply(a, b).numpy()
# array([[ 2, 6],
# [12, 20]], dtype=int32)
(ドキュメントから)注目に値する、
Numpy配列は、Tensorオブジェクトとメモリを共有できます。 一方への変更は、他方にも反映される場合があります。
大胆な強調鉱山。コピーが返される場合と返されない場合があり、これは実装の詳細です。
Eager Executionが無効になっている場合、グラフを作成して、tf.compat.v1.Session
を介して実行できます。
a = tf.constant([[1, 2], [3, 4]])
b = tf.add(a, 1)
out = tf.multiply(a, b)
out.eval(session=tf.compat.v1.Session())
# array([[ 2, 6],
# [12, 20]], dtype=int32)
古いAPIから新しいAPIへのマッピングについては、 TF 2.0 Symbols Map も参照してください。
たぶん、あなたは、この方法を試すことができます:
import tensorflow as tf
W1 = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
array = W1.eval(sess)
print (array)
cleverhans library/tutorialsで得られた(敵対的な)イメージを表すテンソルの特定の場合におけるtensor-> ndarray変換に直面し、解決しました。
私の質問/答え( here )は他の場合にも役に立つ例かもしれないと思います。
TensorFlowは初めてですが、私の経験による結論です。
成功するためには、tensor.eval()メソッドがinput placeholderの値も必要とするかもしれません。 Tensorは、出力値を返すためにその入力値(feed_dict
に提供される)を必要とする関数のように動作します。
array_out = tensor.eval(session=sess, feed_dict={x: x_input})
私の場合、プレースホルダーの名前は x ですが、入力プレースホルダーの正しい名前を見つける必要があると思います。 x_input
は、入力データを含むスカラー値または配列です。
私の場合はsess
の提供も必須でした。
私の例はmatplotlib画像可視化部分もカバーしていますが、これはOTです。
簡単な例は、
import tensorflow as tf
import numpy as np
a=tf.random_normal([2,3],0.0,1.0,dtype=tf.float32) #sampling from a std normal
print(type(a))
#<class 'tensorflow.python.framework.ops.Tensor'>
tf.InteractiveSession() # run an interactive session in Tf.
このテンソルaをテンキー配列に変換したい場合はn
a_np=a.eval()
print(type(a_np))
#<class 'numpy.ndarray'>
それと同じくらい簡単!