Tensorflow bietet die Flexibilität, mit Tensoren zu arbeiten, die bei Bedarf in Numpy-Arrays konvertiert werden können. Das Verständnis dieser Konvertierung ist entscheidend, um die Lücke zwischen diesen beiden leistungsstarken Datenstrukturen zu schließen.
In TensorFlow 2.x ist Eager Execution standardmäßig aktiviert. Um einen Tensor in ein Numpy-Array umzuwandeln, rufen Sie einfach die Methode .numpy() für das Tensorobjekt auf.
<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>
Wenn die eifrige Ausführung deaktiviert ist, Man kann ein Diagramm erstellen und es durch eine TensorFlow-Sitzung laufen lassen, um die Konvertierung zu erreichen.
<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>
Es ist erwähnenswert, dass das Numpy-Array möglicherweise den Speicher mit dem Tensorobjekt teilt. Alle Änderungen an einem können sich im anderen widerspiegeln. Daher ist es am besten, beim Ändern des Tensors oder des Numpy-Arrays Vorsicht walten zu lassen.
Das obige ist der detaillierte Inhalt vonWie konvertiere ich einen TensorFlow-Tensor in ein NumPy-Array?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
