Comment convertir les tenseurs TensorFlow en tableaux NumPy ?

Conversion de Tensor en tableau NumPy dans TensorFlow

TensorFlow fournit une méthode pratique, .numpy(), pour convertir des tenseurs en tableaux NumPy.

TensorFlow 2.x

L'activation de l'exécution rapide rend les opérations TensorFlow immédiatement exécutables, vous permettant d'appeler .numpy() directement sur les tenseurs :

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

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

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

print(b.numpy())
# array([[2, 3],
#        [4, 5]], dtype=int32)</code>

TensorFlow 1 .x

Si l'exécution rapide est désactivée dans TensorFlow 1.x, vous pouvez créer un graphique et l'exécuter pour obtenir le tableau NumPy :

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

with tf.compat.v1.Session() as sess:
    print(sess.run(out))
# array([[ 2,  6],
#        [12, 20]], dtype=int32)</code>

Remarques :

• .numpy() peut partager de la mémoire avec le tenseur d'origine, donc les modifications apportées à l'un peuvent affecter l'autre.
• Si vous rencontrez l'erreur « AttributeError : 'Tensor' L'objet n'a pas d'attribut 'numpy'", assurez-vous que TF 2.0 est correctement installé ou activez une exécution rapide.

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!