tensor和numpy的互相转换的实现示例
要对tensor进行操作,需要先启动一个Session,否则,我们无法对一个tensor比如一个tensor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tensor转化为numpy数组,以及又重新还原为tensor:
import tensorflow as tf img1 = tf.constant(value=[[[[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(values=[img1,img2],axis=3) sess=tf.Session() #sess.run(tf.initialize_all_variables()) sess.run(tf.global_variables_initializer()) print("out1=",type(img)) #转化为numpy数组 img_numpy=img.eval(session=sess) print("out2=",type(img_numpy)) #转化为tensor img_tensor= tf.convert_to_tensor(img_numpy) print("out2=",type(img_tensor))
输出:
out1= <class 'tensorflow.python.framework.ops.Tensor'>
out2= <class 'numpy.ndarray'>
out2= <class 'tensorflow.python.framework.ops.Tensor'>
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脚本之家。
相关文章
PyTorch开源图像分类工具箱MMClassification详解
MMClassification是一款基于PyTorch的开源图像分类工具箱,集成了常用的图像分类网络,将数据加载,模型骨架,训练调参,流程等封装为模块调用,便于在模型间进行转换和比较,也高效简洁的实现了参数调整2022-09-09Python内建模块collections实现特殊容器数据类型
collections模块是Python的内建模块之一,它实现了特殊的容器数据类型,提供了Python内建的数据类型dict、list、set、和tuple的高效替代选择2023-06-06用Pytorch训练CNN(数据集MNIST,使用GPU的方法)
今天小编就为大家分享一篇用Pytorch训练CNN(数据集MNIST,使用GPU的方法),具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08python项目报错:bs4.FeatureNotFound: Couldn‘t find a tree bu
这篇文章主要给大家介绍了python项目报错:bs4.FeatureNotFound: Couldn‘t find a tree builder with the features you requests的解决方式,文中通过图文介绍的非常详细,需要的朋友可以参考下2022-09-09
最新评论