问题描述：

当使用带有 Python 绑定的 Tensorflow 时，如何将张量转换为 numpy 数组？

解决方案 1：

TensorFlow 2.x

默认情况下启用Eager Execution.numpy() ，因此只需调用 Tensor 对象即可。

import tensorflow as tf

a = tf.constant([[1, 2], [3, 4]])                 
b = tf.add(a, 1)

a.numpy()
# array([[1, 2],
#        [3, 4]], dtype=int32)

b.numpy()
# array([[2, 3],
#        [4, 5]], dtype=int32)

tf.multiply(a, b).numpy()
# array([[ 2,  6],
#        [12, 20]], dtype=int32)

更多信息请参见NumPy 兼容性。值得注意的是（来自文档），

Numpy 数组可能与 Tensor 对象共享内存。对其中一个对象的任何更改都可能反映在另一个对象中。

粗体强调是我的。可能会返回副本，也可能不会，这是基于数据是在 CPU 还是 GPU 中的实现细节（在后一种情况下，必须从 GPU 复制到主机内存）。

但是为什么我会得到AttributeError: 'Tensor' object has no attribute 'numpy'？。

很多人都评论过这个问题，可能有几个原因：

• TF 2.0 未正确安装（在这种情况下，请尝试重新安装），或者

• 已安装 TF 2.0，但由于某种原因，eager execution 被禁用。在这种情况下，请调用tf.compat.v1.enable_eager_execution()以启用它，或参见下文。

如果禁用 Eager Execution，您可以构建一个图表，然后通过以下方式运行它tf.compat.v1.Session：

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)

另请参阅TF 2.0 符号映射，了解旧 API 到新 API 的映射。

解决方案 2：

Session.run或返回的任何张量eval都是 NumPy 数组。

>>> print(type(tf.Session().run(tf.constant([1,2,3]))))
<class 'numpy.ndarray'>

或者：

>>> sess = tf.InteractiveSession()
>>> print(type(tf.constant([1,2,3]).eval()))
<class 'numpy.ndarray'>

或者，等效地：

>>> sess = tf.Session()
>>> with sess.as_default():
>>>    print(type(tf.constant([1,2,3]).eval()))
<class 'numpy.ndarray'>

编辑：不是任何张量返回Session.run或eval()都是 NumPy 数组。例如，稀疏张量作为 SparseTensorValue 返回：

>>> print(type(tf.Session().run(tf.SparseTensor([[0, 0]],[1],[1,2]))))
<class 'tensorflow.python.framework.sparse_tensor.SparseTensorValue'>

解决方案 3：

要将张量转换回 numpy 数组，您只需.eval()在转换后的张量上运行即可。

解决方案 4：

关于 Tensorflow 2.x

以下方法通常有效，因为默认情况下激活了 Eager Execution：

import tensorflow as tf

a = tf.constant([[1, 2], [3, 4]])                 
b = tf.add(a, 1)

print(a.numpy())
# [[1 2]
#  [3 4]]

但是，由于很多人似乎都发布了错误：

AttributeError: 'Tensor' object has no attribute 'numpy'

我认为公平地说，tensor.numpy()在图形模式下调用不起作用。这就是您看到此错误的原因。这是一个简单的例子：

import tensorflow as tf

@tf.function
def add():
  a = tf.constant([[1, 2], [3, 4]])                 
  b = tf.add(a, 1)
  tf.print(a.numpy()) # throws an error!
  return a
add()

这里可以找到一个简单的解释：

从根本上讲，无法将图张量转换为 NumPy 数组，因为图不在 Python 中执行 - 因此图执行时没有 NumPy。[...]

TF文档也值得一看。

关于使用 Tensorflow 2.x 的 Keras 模型

这也适用于默认情况下Keras包装在中的模型tf.function。如果您确实需要运行，您可以在中tensor.numpy()设置参数，但这会影响模型的性能。run_eagerly=True`model.compile(*)`

解决方案 5：

您需要：

1. 将某种格式（jpeg、png）的图像张量编码为二进制张量

2. 在会话中评估（运行）二进制张量

3. 将二进制文件转换为流

4. 馈送到 PIL 图像

5. （可选）使用 matplotlib 显示图像

代码：

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)

这对我来说很有效。你可以在 ipython 笔记本中尝试一下。只是不要忘记添加以下行：

%matplotlib inline

解决方案 6：

也许你可以尝试这个方法：

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)

解决方案 7：

我曾经遇到并解决了在张量表示（对抗性）图像的特定情况下的张量->ndarray转换问题，该问题通过cleverhans库/教程获得。

我认为我的问题/答案（这里）对于其他情况也可能是一个有用的例子。

我是 TensorFlow 的新手，我有一个经验结论：

似乎 tensor.eval() 方法可能还需要输入占位符的值才能成功。Tensor 的工作方式可能类似于需要其输入值（提供给feed_dict）才能返回输出值的函数，例如

array_out = tensor.eval(session=sess, feed_dict={x: x_input})

请注意，在我的情况下，占位符名称是x，但我想您应该找到输入占位符的正确名称。
x_input是一个包含输入数据的标量值或数组。

就我而言，提供也是sess强制性的。

我的示例还涵盖了matplotlib图像可视化部分，但这是 OT。

解决方案 8：

我花了好几天的时间寻找这个命令。

这对我来说在任何会话或类似的东西之外都有效。

# you get an array = your tensor.eval(session=tf.compat.v1.Session())
an_array = a_tensor.eval(session=tf.compat.v1.Session())

https://kite.com/python/answers/how-to-convert-a-tensorflow-tensor-to-a-numpy-array-in-python

解决方案 9：

您可以使用 keras 后端函数。

import tensorflow as tf
from tensorflow.python.keras import backend 

sess = backend.get_session()
array = sess.run(< Tensor >)

print(type(array))

<class 'numpy.ndarray'>

希望对您有帮助！

解决方案 10：

一个简单的例子是，

    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.

n 现在如果我们想把这个张量 a 转换成一个 numpy 数组

    a_np=a.eval()
    print(type(a_np))
    #<class 'numpy.ndarray'>

就这么简单！

解决方案 11：

如果您看到有一个方法_numpy()，例如对于 EagerTensor，只需调用上述方法，您就会得到一个 ndarray。

解决方案 12：

我设法使用以下命令将 TensorGPU 转换为 np.array：

np.array(tensor_gpu.as_cpu())

（直接使用 TensorGPU 只会导致包含 TensorGPU 的单元素数组）。

解决方案 13：

TensorFlow 1.x

文件夹tf.1，只需使用以下命令：

a = tf.constant([[1, 2], [3, 4]])                 
b = tf.add(a, 1)
out = tf.multiply(a, b)
out.eval(session=tf.Session())

输出结果为：

# array([[ 2,  6],
#       [12, 20]], dtype=int32)