TensorflowをPythonバインディングで使用するときにテンソルをnumpy配列に変換する方法は？

NumPy配列によって返される、Session.runまたはevalNumPy配列であるテンソル。

>>> print(type(tf.Session().run(tf.constant([1,2,3]))))
<class 'numpy.ndarray'>

または：

>>> sess = tf.InteractiveSession()
>>> print(type(tf.constant([1,2,3]).eval()))
<class 'numpy.ndarray'>

または、同等に：

>>> sess = tf.Session()
>>> with sess.as_default():
>>>    print(type(tf.constant([1,2,3]).eval()))
<class 'numpy.ndarray'>

EDIT：ない任意のテンソルで返されるSession.runか、eval()numpyの配列です。たとえば、スパーステンソルはSparseTensorValueとして返されます。

>>> print(type(tf.Session().run(tf.SparseTensor([[0, 0]],[1],[1,2]))))
<class 'tensorflow.python.framework.sparse_tensor.SparseTensorValue'>

テンソル配列をnumpy配列に戻す.eval()には、変換されたテンソルで実行するだけです。

TensorFlow 2.x

Eager Executionはデフォルトで有効になっているため.numpy()、Tensorオブジェクトを呼び出すだけです。

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)

tf.multiply(a, b).numpy()
# array([[ 2,  6],
#        [12, 20]], dtype=int32)

（ドキュメントから）注目に値します、

Numpy配列はTensorオブジェクトとメモリを共有する場合があります。一方に対する変更は、他方に反映される場合があります。

大胆な強調鉱山。コピーが返される場合と返されない場合があり、これは実装の詳細です。

Eager Executionが無効になっている場合は、グラフを作成してから実行できますtf.compat.v1.Session。

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

out.eval(session=tf.compat.v1.Session())    
# array([[ 2,  6],
#        [12, 20]], dtype=int32)

古いAPIから新しいAPIへのマッピングについては、TF 2.0シンボルマップも参照してください。

必要がある：

1. 画像テンソルを何らかの形式（jpeg、png）でバイナリテンソルにエンコードする
2. セッションでバイナリテンソルを評価（実行）する
3. バイナリをストリームに変換します
4. PIL画像にフィード
5. （オプション）matplotlibで画像を表示する

コード：

import tensorflow as tf
import matplotlib.pyplot as plt
import PIL

...

image_tensor = <your decoded image tensor>
jpeg_bin_tensor = tf.image.encode_jpeg(image_tensor)

with tf.Session() as sess:
    # display encoded back to image data
    jpeg_bin = sess.run(jpeg_bin_tensor)
    jpeg_str = StringIO.StringIO(jpeg_bin)
    jpeg_image = PIL.Image.open(jpeg_str)
    plt.imshow(jpeg_image)

これでうまくいきました。あなたはipythonノートブックでそれを試すことができます。次の行を追加することを忘れないでください。

%matplotlib inline

多分あなたは試すことができます、この方法：

import tensorflow as tf
W1 = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
array = W1.eval(sess)
print (array)

cleverhansライブラリ/チュートリアルで取得された（敵対的な）画像を表すテンソルの特定のケースにおけるテンソル-> ndarray変換に直面して解決しました。

私の質問/回答（ここ）は、他の場合にも役立つ例だと思います。

私はTensorFlowを使い始めたばかりですが、これは経験的な結論です。

tensor.eval（）メソッドは、成功するために、入力プレースホルダーの値も必要とする場合があります。Tensorはfeed_dict、出力値を返すために入力値（に提供される）を必要とする関数のように機能する場合があります。

array_out = tensor.eval(session=sess, feed_dict={x: x_input})

私の場合、プレースホルダー名はxですが、入力プレースホルダーの正しい名前を見つける必要があると思います。 x_input入力データを含むスカラー値または配列です。

私の場合、提供sessも必須でした。

私の例では、matplotlib画像の視覚化の部分も取り上げていますが、これはOTです。

簡単な例は、

    import tensorflow as tf
    import numpy as np
    a=tf.random_normal([2,3],0.0,1.0,dtype=tf.float32)  #sampling from a std normal
    print(type(a))
    #<class 'tensorflow.python.framework.ops.Tensor'>
    tf.InteractiveSession()  # run an interactive session in Tf.

nこのテンソルaをnumpy配列に変換する場合

    a_np=a.eval()
    print(type(a_np))
    #<class 'numpy.ndarray'>

とても簡単！

私はこのコマンドの日を探していました。

これは、セッションやこのような何かの外で私のために働きました。

# you get an array = your tensor.eval(session=tf.compat.v1.Session())
an_array = a_tensor.eval(session=tf.compat.v1.Session())

https://kite.com/python/answers/how-to-convert-a-tensorflow-tensor-to-a-numpy-array-in-python

kerasバックエンド機能を使用できます。

import tensorflow as tf
from tensorflow.python.keras import backend 

sess = backend.get_session()
array = sess.run(< Tensor >)

print(type(array))

<class 'numpy.ndarray'>

お役に立てば幸いです。