tensor与数组之间的相互转换

新手对fensorflow不熟悉，一般会有这个错误，在运行程序时报错：

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, numpy ndarrays, or TensorHandles.For reference, the tensor object was Tensor("

code：

with open(r"F:\depth-face\test_depth_new.lst", "r") as f:
    for line in f.readlines():
        index = index + 1
        #print(index, line)
        line = line.replace('\n', '')
        depth = cv2.imread(line, -1)
        depth = depth[16:112, 8:104]
        #color = cv2.cvtColor(color, cv2.COLOR_BGR2RGB)
        #color = color / 127.5 - 1.
        #color = color.reshape((-1, 96, 96, 3))
        depth = (depth - 127.5) / 64.0 - 1.0
        depth = tf.concat([depth, depth, depth], -1)
        depth = tf.reshape(depth, (-1, 96, 96, 3),name=None)
        depth = tf.cast(depth, tf.float32)
        #print(depth.shape)
        depth = tf.Session().run(depth)
        #print(type(depth))
        embd1 = normalize(sess.run([embeddings], feed_dict={images_placeholder: depth})[0])
        embed_list.extend(embd1)

depth经过tf.reshape之后变成了tensor张量，在经过feed_dict时显示feed_dict不能喂入tensor类型，所以将tensor转换为数组，

 depth = tf.Session().run(depth)

这一句就实现了将tensor转换为数组。
另外将数组转换为tensor的方法：

img_tensor= tf.convert_to_tensor(img_numpy)

————————————————————————————————————————————
加更：上面的程序可以跑，但是即使用了CUDA速度也非常慢，仔细思考了一下，可以不使用tf将depth图片改为三通道，而是使用numpy进行操作：

depth = np.concatenate((depth,depth,depth),axis=0)
depth = depth.reshape((-1, 96, 96, 3))

程序速度就非常快了

参考链接