要对张量进行操作,需要先启动一个会话,否则,我们无法对一个张量比如一个张量常量重新赋值或是做一些判断操作,所以如果将它转化为numpy数组就好处理了。下面一个小程序讲述了将张量转化为numpy数组,以及又重新还原为张量:
进口tensorflow特遣部队 img1=tf.constant (value=https://www.yisu.com/zixun/[[[[1]、[2]、[3], [4]], [[1]、[2]、[3], [4]], [[1]、[2]、[3], [4]], [[1]、[2]、[3], [4]]]], dtype=tf.float32) img2=tf.constant (value=[[[[1], [1], [1], [1]], [[1], [1], [1], [1]], [[1], [1], [1], [1]], [[1], [1], [1], [1]]]], dtype=tf.float32) img=tf.concat(值=(img1, img2),轴=3) 税=tf.Session () # sess.run (tf.initialize_all_variables ()) sess.run (tf.global_variables_initializer ()) 打印(“着干活=",类型(img)) #转化为numpy数组 img_numpy=img.eval(会话=税) 打印(“out2=",类型(img_numpy)) #转化为张量 img_tensor=tf.convert_to_tensor (img_numpy) 打印(“out2=",类型(img_tensor))
输出:
着干活=& lt;类tensorflow.python.framework.ops.Tensor的祝辞
引用>
out2=& lt;类numpy.ndarray的祝辞
out2=& lt;类tensorflow.python.framework.ops.Tensor的祝辞
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
张量和numpy的互相转换的实现示例