如何从tf张量中获取Numpy数组？
从tf张量中获取Numpy数组可以使用numpy()方法。具体步骤如下：
- 导入TensorFlow库和NumPy库：
import tensorflow as tf
import numpy as np- 创建一个TensorFlow张量：
tf_tensor = tf.constant([[1, 2, 3], [4, 5, 6]])- 使用
numpy()方法将TensorFlow张量转换为NumPy数组：
np_array = tf_tensor.numpy()通过以上步骤，你可以从TensorFlow张量中获取对应的NumPy数组。这在需要使用NumPy库进行数组操作或者与其他NumPy兼容的库进行交互时非常有用。
推荐的腾讯云相关产品：腾讯云AI智能图像处理（https://cloud.tencent.com/product/aiimage）提供了丰富的图像处理能力，可以与TensorFlow结合使用，实现更多的图像处理任务。
相关·内容
我正在尝试将张量对象中的一个矩阵切片为numpy矩阵，并将其用于部分计算。但是从张量对象到numpy数组的赋值不会像下面这样工作。
import tensorflow as tf
import numpy as np
def assignC():
C_copy = np.zeros((2,2))
C = tf.matmul(tf.transpose(x), x)
C_copy[0,0] = C[0,0]
#C_copy[0,0] = C[0,0].eval() # error saying "You must feed a value for pla
浏览 2提问于2016-06-21得票数 0
我已经找遍了，但找不到任何人谁之前的答案有帮助。
我有一个tensorflow模型，其中包含一个执行训练的@tf.function (tf版本2.3.0)。在train_step调用中，我需要将数据从张量传递到对其执行cwt转换的numpy函数。没有(afaik) tensorflow cwt，因此需要将其传递给numpy函数。我遇到的问题是，在@tf.function中，张量是图形化的，因此不能直接调用.numpy()将张量转换为numpy数组。下面的小代码片段显示了代码。
我的问题是，如何将生成器调用生成的输出数据转换为可以传递给此numpy函数的数据。希望有一种方法可以做到这一点！
谢谢
浏览 0提问于2020-08-15得票数 1
1回答
我在a中存储了一个张量，如下所示：
<tf.Tensor: shape=(5, 1), dtype=float32, numpy=
array([[0.1 ],
[0.2 ],
[0.4 ],
[0.15],
[0.15]], dtype=float32)>
当我应用softmax函数时，
a_tf = tf.nn.softmax(a)
我得到一个张量，如下所示
<tf.Tensor: shape=(5, 1), dtype=float32, numpy=
array([[1.],
[1.],
浏览 3提问于2020-05-25得票数 1
回答已采纳
1回答
我是tensorflow的新用户。我有以下张量A：
<tf.Tensor: shape=(3,), dtype=string, numpy=
array([b'1,2.0,32.29,42.1,16.0,0.60,46.0,0.0,26.0,0.0,-1.31,-0.9'],
dtype=object)>
我想要得到以下两个张量：
张量B:将张量A转换为浮点张量，并获得张量A的第一个元素：
<tf.Tensor: shape=(3,), dtype=float, numpy=
array([1],
dtype=object)>
张量C:将张量A转
浏览 2提问于2020-12-01得票数 0
阅读TensorFlow文档：
import numpy as np
ndarray = np.ones([3, 3])
print("TensorFlow operations convert numpy arrays to Tensors automatically")
tensor = tf.multiply(ndarray, 42)
print(tensor)
print("And NumPy operations convert Tensors to numpy arrays automatically")
print(np.add(tenso
浏览 0提问于2020-04-04得票数 2
如果我正确理解(否)，有两种方法可以将numpy数组传递给tensorflow计算图：
使用tf.placeholder并在feed_dict中传递这个numpy数组
使用tf.convert_to_tensor，将这个numpy数组转换为张量，然后使用这个张量进行任何计算。
这两种方法有什么不同吗？
浏览 4提问于2019-08-22得票数 3
回答已采纳
1回答
我在"sims“变量中有一个相似的分数，我想在一个矩阵中绘制相似的分数，最好是在配色方案中。有关"sims“变量的更多信息如下：
import tensorflow.compat.v2 as tf
print(sims) #Tensor("ExpandDims:0", shape=(1, 64, 64, 1), dtype=float32)
print(sims[0]) #Tensor("strided_slice_6:0", shape=(64, 64, 1), dtype=float32)
tf.print(sims[0][
浏览 2提问于2020-12-18得票数 0
我想知道在tf.boolean_mask之后，如何从pred (1D张量)和mask (2D数组，元素为'True‘或'False')中恢复预测结果作为2D张量，其中False默认为0。
labels = np.random.rand(256, 256)
heatmaps = np.random.rand(256, 256, 10)
mask = labels > 0.5
heatmaps = tf.boolean_mask(heatmaps, mask)
scores = tf.nn.softmax(logits=heatmaps)
pred = tf.ar
浏览 4提问于2018-08-07得票数 2
回答已采纳
我的目标是基于旋转变量theta生成旋转矩阵。
到目前为止，我的代码如下：
initial = 0.0
theta = tf.Variable(initial_value=initial, name='theta')
sin = tf.sin(theta)
cos = tf.cos(theta)
rot_matrix = tf.constant([[cos, -sin, 0], [sin, cos, 0]])
上面给出了:第五行的TypeError: List of Tensors when single Tensor expected。我得到这个是因为cos和sin是张量。但
浏览 3提问于2016-07-27得票数 0
回答已采纳
我正在尝试将形状为(253,223)的图像的张量转换为相同大小的numpy数组，以便我可以绘制图像。我看过文档，他们建议我使用eval函数，如下所示 sess = tf.Session()
with sess.as_default():
print(type(tf.constant([img1]).eval())) 但它会抛出错误“当期望单个张量时抛出张量列表”。 这里类型(Img1)是<class 'tensorflow.python.framework.ops.Tensor'>，形状是(253,223)。使用keras tf.keras.backend.
浏览 24提问于2019-05-28得票数 0
1回答
我有两个包含图像和标签的形状数组(600 )。当我试图以任何形式将它们传递给Keras/Tensorflow时，我会得到以下错误：
ValueError:无法将NumPy数组转换为张量(不支持对象类型numpy.ndarray)。
据我所知，图像存储在数组中。当观察内部数组(单个图像)时，它们具有以下属性：
具有形状的dtype=uint8数组：(x，500，3)，其中x在300和500之间。
我能够通过pandas.apply在图像数组上应用tf层，希望问题是图像大小不一致：
resize_and_rescale = tf.keras.Sequential([
tf.keras.la
浏览 4提问于2021-05-19得票数 2
我正在尝试Tensorflow 2.0 alpha预览并测试急切的执行。我怀疑的是，如果在中间有一个可变大小的numpy数组，比如
input.shape
(10,)
input[0].shape
(109, 16)
input[1].shape
(266, 16)
等等，对于数组的其余部分，如何急切地将它们转换为张量。
当我尝试
tf.convert_to_tensor(input)
或
tf.Variable(input)
我得到了
ValueError:未能将numpy ndarray转换为张量(无法以字节形式获取元素。)
转换每个子数组可以工作，但是由于子数组大小不一样，所
浏览 0提问于2019-03-21得票数 5
回答已采纳
我有以下数组：-
import numpy as np
import tensorflow as tf
input = np.array([[-1.5, 1.0, 3.4, .5], [0.0, 3.0, 1.3, 0.0]])
layer = tf.keras.layers.Discretization(num_bins=2, epsilon=0.01)
layer.adapt(input)
layer(input)
<tf.Tensor: shape=(2, 4), dtype=int64, numpy=
array([[0, 1, 1, 1],
[0, 1, 1,
浏览 4提问于2022-10-18得票数 0
回答已采纳
我在火炬上得到了一个经过训练的神经网络，我需要在tensorflow中准确地重建它。我相信我在tensorflow中正确地定义了网络的架构，但是我在传递权重和偏置张量时遇到了困难。使用第三方包，我将火炬网络中的所有权重和偏置张量转换为numpy数组，然后将它们写入磁盘。我可以将它们加载回我的python程序中，但我无法找到将它们分配给tensorflow网络中相应层的方法。
例如，我在tensorflow中定义了一个卷积层，如
kernel_1 = tf.Variable(tf.truncated_normal([11,11,3,64], stddev=0.1))
conv_kernel_1
浏览 0提问于2016-03-25得票数 13
回答已采纳
我有一个占位符变量，它需要一批输入图像：
input_placeholder = tf.placeholder(tf.float32, [None] + image_shape, name='input_images')
现在我有两个输入数据来源：
1)张量和
2)一些numpy数据。
对于numpy输入数据，我知道如何将数据提供给占位符变量：
sess = tf.Session()
mLoss, = sess.run([loss], feed_dict = {input_placeholder: myNumpyData})
如何将张量提供给占位符变量？
mLoss, = se
浏览 0提问于2017-03-03得票数 24
1回答
我有一个张量列表
[some_function(x) for x in something]
这个列表就会变成这样
[<tf.Tensor: shape=(), dtype=string, numpy=b'I have gone and you will go'>, <tf.Tensor: shape=(), dtype=string, numpy=b'we will go'>]
但我想要一个像这样的东西
<tf.Tensor: shape=(3,), dtype=string, numpy=array([b'I have
浏览 0提问于2021-04-12得票数 1
在numpy中，可以按如下方式将np张量转换为字节： import tensorflow as tf
import numpy as np
b = np.array([[1.0, 2.0], [3.0, 4.0]], dtype=np.uint8)
bytesArr = b.tobytes()
print(bytesArr) 在tensorflow中，您可以这样做来创建张量，但是如何将结果转换为字节数组呢？ a = tf.cast(tf.constant([[1.0, 2.0], [3.0, 4.0]]), tf.uint8)
#Do conversion here 另外:我还在处理一个
浏览 55提问于2021-04-13得票数 1
我使用的是TensorFlow Alpha2.0。
我有我正在读取的TFRecords文件，每个文件都有一个简短的视频剪辑，每帧编码为jpeg字节字符串，以节省空间：
{
'numframes': tf.io.FixedLenFeature([], tf.int64),
'frames': tf.io.VarLenFeature(tf.string)
}
在我的tf.data.Dataset管道中有一个映射步骤，它成功地分析了每个示例：
def parse_tfrecord(p):
return tf.io.parse_single_exampl
浏览 0提问于2019-03-15得票数 1
tensorflow 1.6
当我注意到以下代码起作用时，我感到非常惊讶：
a = tf.constant(5)
b = a + np.array(25)
b.eval() # 30
我以为这会导致一个错误。tensorflow如何处理这个案子？numpy数组是否以常量张量的形式添加到图形中，以便所有东西仍然可以在GPU上运行？或者会有一些中断来计算CPU上的东西吗？
换句话说，与手工定义适当的tf.constant张量相比，用这种方式编写它有什么缺点吗？
浏览 0提问于2018-03-12得票数 4
回答已采纳
我对用JAX训练神经网络很感兴趣。我看过tf.data.Dataset，但它只提供tf张量。我寻找了一种将dataset转换为JAX数组的方法，并发现了许多使用Dataset.as_numpy_generator()将tf张量转换为numpy数组的实现。但是，我想知道这是否是一个好的实践，因为numpy数组存储在CPU内存中，这不是我想要的培训(我使用GPU)。因此，我发现的最后一个想法是通过调用jnp.array手动重铸数组，但这并不是真正的优雅(我担心GPU内存中的副本)。有人有更好的主意吗？
说明的快速代码：
import os
import jax.numpy as jnp
impor
浏览 4提问于2021-10-30得票数 4
回答已采纳
我已经学会了如何在一维上分割张量。
我已经学习了如何切片一个2D张量，给出一个特定值的一维张量。
两者都使用tf.gather()，但我很确定我需要tf.gather_nd()，尽管我使用它显然是错误的。
在numpy中，我有一个5x52D数组，我可以使用带有行和列索引的np.ix_()对2x2数组进行切片(对于行和列，我总是需要相同的索引，从而得到一个平方矩阵)：
import numpy as np
a = np.array([[1,2,3,4,5],[2,1,6,7,8],[3,6,1,9,10],[4,7,9,1,11],[5,8,10,11,1]])
a
阵列([ 1，2，3，4
浏览 2提问于2021-07-27得票数 1
回答已采纳
我刚注意到这个奇怪的张量：
Out[124]: <tf.Tensor: id=7672038, shape=(1,), dtype=uint8, numpy=array([1], dtype=uint8)>
它有dtype两次。通常情况下，你不会明白的。例如,
tf.convert_to_tensor(np.array([1]))
Out[126]: <tf.Tensor: id=7672042, shape=(1,), dtype=int32, numpy=array([1])>
为什么，有什么区别？
我刚刚注意到这一点:后者可以用作张量的索引，但前者不能。它抛出以下
浏览 0提问于2019-06-27得票数 1
我想计算张量中每个元素相对于观察张量列表的梯度。
当我在y上直接使用Gradient磁带的y时，生成的dy_dx具有y的维度。例如：
x = [ tf.constant(3.0), tf.constant(4.0), tf.constant(5.0) ]
with tf.GradientTape(persistent=True) as g:
g.watch(x)
y_as_list = [ x[0]*x[1]*x[2], x[0]*x[1]*x[2]*x[0] ]
y_as_tensor = tf.stack(y_as_list, axis=0)
print("
浏览 5提问于2022-03-07得票数 1
回答已采纳
我有一个秩为3的张量和另一个相同形状的空张量。我正在尝试找到所有X，Y位置在第三(Z)轴上的最大值，并将1插入到空张量中的相应位置。我通过以下方式在numpy中实现了这一点 a = np.random.rand(5,5,3)>=0.5
empty_tensor = np.zeros((5,5,3))
max_z_indices = a.argmax(axis=-1)
empty_tensor[np.arange(a.shape[0])[:,None],np.arange(a.shape[1]),max_z_indices] = 1 在tensorflow中，我有 a_tf = tf.V
浏览 20提问于2019-10-11得票数 0
回答已采纳
我的OC是苹果M1的大sur，所以我的tensorflow版本是2.4，这是从官方的苹果github ()安装的。当我使用下面的代码时，我得到张量(<tf.Tensor 'StatefulPartitionedCall:0‘shape=(1,2880,4320，3) dtype=float32>)
import tensorflow as tf
import tensorflow_hub as hub
from PIL import Image
import numpy as np
from tensorflow.python.compiler.mlcompute imp
浏览 8提问于2021-03-07得票数 6
我正在尝试使用STL-10数据集训练网络。
我已经从STL-10二进制文件中提取了数据，并将它们转换为numpy数组。然后，我使用tf.convert_to_tensor函数将它们转换为张量
现在我有一个形状张量(5000,96,96,3)
我想从这个张量中获得一个大小为32的批量，其中包含5000张图像的数据，这些批量将在每次迭代中随机混洗。
使用tf.train.batch会产生错误
`TypeError: `Tensor` objects are not iterable when eager execution is not enabled. To iterate over this
浏览 4提问于2018-02-22得票数 1
我正在寻找最好的和优化的方法(没有循环)来使用TF2.0TF2.0TF2.0.在Google Colab中获得张量(等级2张量)的最大值的索引。
import tensorflow as tf
A = tf.constant([[0.2,0.8],[0.3,0.9],[0.4,0.7],[0.5,0.4]])
b = tf.math.argmax(A,0)
bb = b.numpy()
这里的最大值的指数是1,1，但问题是我必须给出轴作为输入，即使我改变轴，它也不会给我正确的轴。
浏览 0提问于2020-08-16得票数 2
数据集是numpy集。一些教程说:因为需要GPU的优势，我们应该将numpy数组改为tensorflow张量。然后使用tensorflow模型。
但经过训练后，一些代码使用numpy函数进行测试和交互。但tensorflow官方教程中的代码仍然使用相同的tensorflow模型和tf.dataset进行测试。我想知道:当测试或实时应用时，我应该使用numpy还是tensorflow张量和模型？换句话说，如果不训练，使用tensorflow张量和函数是否会产生一些不良影响？
例如:我们使用selected_words =tf.argsort(o_j)
代替
selected_words = np
浏览 0提问于2019-11-13得票数 0
在tf.shape()中，张量的形状与numpy数组的形状有什么不同？
示例1：
t = tf.constant([[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]])
tf.shape(t)
<tf.Tensor: shape=(3,), dtype=int32, numpy=array([2, 2, 3], dtype=int32)>
注意张量的形状是(3,)，而数组的形状是[2, 2, 3]：2行2列，每一行3层深。(3,) 是从哪里来的？和为什么三维空间在3之后？
示例2：
c = tf.constant([[1.0, 2
浏览 1提问于2020-02-20得票数 0
回答已采纳
1回答
我有一个形状为(4,2)的张量 <tf.Tensor: shape=(4, 2), dtype=int32, numpy=
array([[0, 1],
[2, 3],
[4, 5],
[6, 7]])> 如果我只访问从张量中选择的元素，例如1,2,5,6，我该怎么做，假设我有2个列表或numpy数组M= 0,1,2,3和N=1,0,1,0来指定我如何访问它们，如果它是一个numpy数组只是arrayM，N可以很好地工作，但在tensorflow中它说： Only integers, slices (`:`), ellipsis (`..
浏览 40提问于2021-01-17得票数 0
我试图使用TF数据集和一个@tf.function对图像目录执行一些预处理。在tf函数中，图像文件被读取为一个原始字符串张量，我试图从这个张量中获取一个片段。切片，前13个字符，表示关于.ppm图像(头)的信息。我得到了一个错误：ValueError: Shape must be rank 1 but is rank 0 for 'Slice' (op: 'Slice') with input shapes: [], [1], [1]。最初，我试图直接切片张量的.numpy()属性(filepath输入参数到tf函数)，但我认为在tf函数中这样做在语义上是错误的
浏览 5提问于2020-01-23得票数 0
3回答
我已经根据我的数据训练了ResNet50模型。我希望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获取自定义层的输出，它以张量格式给出数据，但我需要NumPy array格式的数据。我试图将张量转换为NumPy数组，但是得到了错误，我遵循了这个，但这没有帮助
任何人能分享一些想法吗，任何建议都会很有帮助。
from keras.models import load_model
import tensorflow as tf
import numpy as np
config = tf.ConfigProto()
config.gpu_options.allow_growth = Tru
浏览 7提问于2020-09-22得票数 1
回答已采纳
1回答
我有一堆形状和尺寸不同的numpy数组，我需要把它转换成一个tensorflow张量，作为神经网络的输入。
我试着用这个网络来解决强化学习问题，每一步都需要一个张量。我有六个numpy数组，下面是它们的形状：(26，) (7，) (2，) (7，) (2，) (9,7)。我把它们都放在一个形状数组(6 )中，但是当我尝试用它们创建一个tf.constant时，我会遇到一些问题。
#here are the numpy arrays
in1_ = np.zeros((26,), dtype='int')
in2_ = np.zeros((7,), dtype='int&
浏览 0提问于2019-06-01得票数 2
回答已采纳
1回答
我正在尝试创建一个带有numpy属性的张量，并尝试这样做： tensor1 = tf.reshape(tf.constant([100, 100, 100], dtype=tf.int64), (-1, 1))
print(tensor1)
#tensor1
tf.Tensor(
[[100]
[100]
[100]], shape=(3, 1), dtype=int64) 但是输出不会显示张量ID或numpy属性，其中的值将是一个数组。如何创建格式张量
浏览 12提问于2019-10-16得票数 0
回答已采纳
1回答
我正在定义一个自定义层作为我网络的最后一个层。在这里，我需要将一个张量，即输入张量，转换为一个numpy数组，以便在其上定义一个函数。特别是，我想以类似的方式定义我的最后一层： import tensorflow as tf
def hat(x):
A = tf.constant([[0.,-x[2],x[1]],[x[2],0.,-x[0]],[-x[1],x[0],0.]])
return A
class FinalLayer(layers.Layer):
def __init__(self, units):
super(FinalLayer, self).__in
浏览 15提问于2021-02-01得票数 0
回答已采纳
我发现这个例子只需要使用numpy数组作为输入()。
为什么不将numpy数组改为tensorflow张量或tf.data？如果两者都可以，为什么需要tensorflow张量？
浏览 2提问于2019-11-15得票数 1
我有一个numpy数组列表，如下所示：
a=np.array([tf.convert_to_tensor(1),tf.convert_to_tensor(2)])
我想把这个列表转换成张量。我的真实列表不像常量的例子，而是一个复杂的张量，所以有人知道怎么做吗？
浏览 0提问于2017-12-09得票数 1
回答已采纳
当我进行训练时，我试图给一个包含正确标签的张量器喂食。
整个训练数据集的正确标签包含在一个张量中，该张量已从numpy数组中转换出来：
numpy_label = np.zeros((614,5),dtype=np.float32)
for i in range(614):
numpy_label[i,label_numbers[i]-1] = 1
# Convert to tensor
y_label_all = tf.convert_to_tensor(numpy_label,dtype=tf.float32)
对于每一批的正确标签，我有一个占位符：
images_per_b
浏览 1提问于2016-04-21得票数 1
回答已采纳
在Tensorflow中，我想创建所有元素的掩码，但单个元素除外，其中元素位置是随机选择的。具体来说，我想创建一个0,1,1,1，1或1,1,0,1，1的随机掩码
我试过：
import tensorflow as tf
import numpy as np
# randomly draw the column to select (either column 0 or 2)
COLselect = tf.to_int64(tf.greater(tf.random_uniform((1,)), 0.5))
column_num = COLselect*2
ones_mask = tf.Va
浏览 1提问于2016-10-26得票数 0
回答已采纳
我试着按特定的索引顺序得到三维张量的行。以下是这些投入：
import tensorflow as tf
matrix = tf.constant([
[[0, 1], [2, 3], [4, 5], [6, 7]],
[[8, 9], [10, 11], [12, 13], [14, 15]],
[[16, 17], [18, 19], [20, 21], [22, 23]],
[[24, 25], [26, 27], [28, 29], [30, 31]],
[[32, 33], [34, 35], [36, 37], [38, 39]]
浏览 0提问于2020-08-15得票数 4
我正在编写自己的度量回调函数，其中我使用sklearn来计算度量，为此，我需要将y_true和y_pred张量作为numpy数组。我的功能是这样的：
def precision_macro(y_true, y_pred):
# get the y_true and y_pred tensors as 1-D numpy array
y_true_array = np.array(true)
y_pred_array = np.array(pred)
....................
....................
CAL
浏览 2提问于2021-09-05得票数 1
我有一个值张量和一个重排序张量。重新排序张量给出值张量中的每一行的排序。我如何使用这个重新排序张量来实际重新排序值张量中的值。
这将以numpy ()为单位给出所需的结果：
import numpy as np
values = np.array([
[5,4,100],
[10,20,500]
])
reorder_rows = np.array([
[1,2,0],
[0,2,1]
])
result = values[np.arange(values.shape[0])[:,None],reorder_rows]
print(result)
# [[
浏览 18提问于2017-07-18得票数 0
回答已采纳
如何将tensorflow特定变量作为ndarray保存到本地磁盘？(不是layer参数，只是变量或张量)，如：
ux=tf.Variable([10,1600,1,2])
tf.save('ux.npy',ux)
有没有类似上面的代码？然后，我可以加载ux.npy，如下所示：
ux = numpy.load('ux.npy')
浏览 0提问于2017-04-02得票数 0
1回答
我正在尝试收集keras中张量中特定张量/(向量/矩阵)的索引。因此，我尝试在tf.where中使用tf.gather来获取要在gather函数中使用的索引。
但是，在测试相等性时，tf.where为匹配值提供了元素级索引。我希望有能力找到张量(向量)的索引(行)，这些张量等于另一个张量。
这对于在张量中找到匹配一组感兴趣的一热向量的一热向量特别有用。
到目前为止，我有一些代码来说明它的缺点：
# standard
import tensorflow as tf
import numpy as np
from sklearn.preprocessing import LabelBinariz
浏览 2提问于2017-10-14得票数 0
我有两个张量:一个包含数据，另一个包含布尔值掩码。如果布尔值为False，我希望将数据张量中的所有值设置为零，同时保持数据张量的原始形状。到目前为止，我只能在掩码是numpy数组的情况下实现它。 因为https://www.tensorflow.org/api_docs/python/tf/boolean_mask会影响张量的形状，所以我不能使用它。 如何做到这一点？ import numpy as np
import tensorflow as tf
tf.enable_eager_execution()
# create dummy data
data_np = np.ones((4,
浏览 25提问于2019-04-15得票数 3
回答已采纳
为了提高效率，我只想对低于阈值的值计算张量的sqrt。
例如，在numpy，我有
import numpy as np
x = np.random.random(size=(10e6))
%timeit np.sqrt(x)
-> 10 ms ± 17.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
如果我用面具
x_m = x[x < 1e-3]
%timeit np.sqrt(x_m)
-> 8.94 µs ± 20.1 ns per loop (mean ± std. dev. of 7 runs,
浏览 0提问于2019-05-01得票数 1
回答已采纳
我编写了一些代码，迭代我的张量的形状，并在每个步骤中向张量添加一个值。问题是，对于大量的迭代(我需要大量的迭代)，它是缓慢的：
for i in range(0, num_samples):
for j in range(0, int(numTimeSteps.numpy())):
random_num = tf.squeeze(tf.random.normal([1], mean, std_dev, dtype=dtype))
tensor[i,j].assign(tf.math.add(random_num, estr[i,j]).numpy())
浏览 2提问于2021-07-09得票数 1
回答已采纳
我在尝试从tensorflow张量获取numpy数组时遇到问题。我使用了tensorflow集线器模块，但我不想在下游任务中使用tensorflow，而是需要一个numpy数组。 我知道我必须在tensorflow会话中调用张量上的'eval()‘方法。但不幸的是我不能让它工作...:(它告诉我“表未初始化”。我尝试添加'sess.run(tf.tables_initializer())‘，但是收到错误：'NotFoundError: Resource tensorflow::Var I not exist’。我不确定下一步该尝试什么。我也尝试过'sess.r
浏览 18提问于2019-06-26得票数 1
回答已采纳
我想知道是否有任何方法太过循环的粗糙张量，类似于tf.map_fn。我衣衫褴褛的张量有一个不同数量的行，但包含4个点，我想要检索。
输入如下：
ragged_tensor[0] equals (100, 4)
ragged_tensor[1] equals (50, 4)
现在，我可以通过遍历RaggedTensor中的第一个张量来检索所有的点：
test = tf.map_fn(lambda box: tf.image.crop_to_bounding_box(img, box[0], box[1], box[2], box[3]), tf.cast(boxes, tf.int32), dt
浏览 0提问于2019-12-12得票数 4
回答已采纳
我已经在tensorflow中创建了一个OP，对于某些处理，我需要将我的数据从张量对象转换为numpy数组。我知道我们可以使用tf.eval()或sess.run来计算任何张量对象。我真正想知道的是，有没有办法在不运行任何会话的情况下将张量转换为数组，这样我们就可以避免使用.eval()或.run()。
任何帮助都是非常感谢的！
def tensor_to_array(tensor1):
'''Convert tensor object to numpy array'''
array1 = SESS.run(tensor1) **
浏览 6提问于2018-09-07得票数 8
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
