Maison  >  Article  >  développement back-end  >  Comment convertir un tenseur TensorFlow en un tableau NumPy ?

Comment convertir un tenseur TensorFlow en un tableau NumPy ?

Mary-Kate Olsen
Mary-Kate Olsenoriginal
2024-11-03 16:23:30645parcourir

How to Convert a TensorFlow Tensor to a NumPy Array?

Conversion de Tensor en tableau Numpy dans Tensorflow

Tensorflow offre la flexibilité de travailler avec des tenseurs, qui peuvent être convertis en tableaux Numpy si nécessaire. Comprendre cette conversion est crucial pour combler le fossé entre ces deux puissantes structures de données.

TensorFlow 2.x avec exécution rapide

Dans TensorFlow 2.x, l'exécution rapide est activée par défaut. Pour convertir un tenseur en tableau Numpy, invoquez simplement la méthode .numpy() sur l'objet tenseur.

<code class="python">import tensorflow as tf

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

a.numpy()  # Returns the Numpy array representing the tensor a
b.numpy()  # Returns the Numpy array representing the tensor b</code>

TensorFlow 2.x avec exécution graphique

Si l'exécution rapide est désactivée, on peut créer un graphique et l'exécuter via une session TensorFlow pour réaliser la conversion.

<code class="python">a = tf.constant([[1, 2], [3, 4]])
b = tf.add(a, 1)

out = tf.multiply(a, b)
out.eval(session=tf.compat.v1.Session())  # Evaluates the graph and returns the Numpy array for out</code>

Remarque importante

Il convient de noter que le tableau Numpy peut partager de la mémoire avec l'objet tenseur. Toute modification apportée à l’un peut être reflétée dans l’autre. Par conséquent, il est préférable de faire preuve de prudence lors de la modification du tenseur ou du tableau Numpy.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration:
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn