Comment convertir des tenseurs TensorFlow en tableaux NumPy ?

Comment convertir des tenseurs en tableaux NumPy dans TensorFlow

Dans les liaisons Python pour TensorFlow, la conversion de tenseurs en tableaux NumPy est une étape nécessaire pour poursuivre manipulation de données ou intégration avec des bibliothèques tierces.

Dans TensorFlow 2.x :

TensorFlow 2.x permet une exécution rapide par défaut, vous permettant d'appeler simplement . numpy() sur l'objet Tensor. Cette méthode renvoie un tableau NumPy :

<code class="python">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)]</code>

Dans TensorFlow 1.x :

L'exécution hâtive n'est pas activée par défaut. Pour convertir un tenseur en tableau NumPy dans TensorFlow 1.x :

• Utilisez la méthode .eval() dans une session :

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

with tf.Session() as sess:
    out = sess.run([a, b])
    # out[0] contains the NumPy array representation of a
    # out[1] contains the NumPy array representation of b</code>

• Utilisez tf .compat.v1.numpy_function :

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

out = tf.compat.v1.numpy_function(lambda x: x.numpy(), [a, b])
# out[0] contains the NumPy array representation of a
# out[1] contains the NumPy array representation of b</code>

Remarque : Le tableau NumPy peut partager de la mémoire avec l'objet Tensor. Toute modification apportée à l’un peut être reflétée dans l’autre.

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!