tensorflow张量和numpy数组相互转换

知识补充：

官方文档（GItHub）：TensorFlow 2.0: Functions, not Sessions.

tensorflow2.x的转换模块@tf.function

关于图执行（Graph ）和立即执行（Eager）

numpy数组转换成张量：(tf.convert_to_tensor)

import numpy as np 
import tensorflow as tf

a = np.ones((1,2))
print(a, type(a))
a = tf.convert_to_tensor(a, dtype='float32')
print(a, type(a))

输出为：
[[1. 1.]] <class 'numpy.ndarray'>
tf.Tensor([[1. 1.]], shape=(1, 2), dtype=float32)  <class'tensorflow.python.framework.ops.EagerTensor'>

张量转换为数组: (Session.run 或者 eval)

import numpy as np 
import tensorflow as tf

tf.compat.v1.disable_eager_execution()

b = tf.constant([1,2,3])
b = tf.compat.v1.Session().run(b)
print(b, type(b))

b = tf.constant([1,2,3])
with tf.compat.v1.Session().as_default():
        b = b.eval()
print(b, type(b))

输出：
[1 2 3] <class 'numpy.ndarray'>
[1 2 3] <class 'numpy.ndarray'>

（tensorflow2.0以上版本需要tf.compat.v1作为接口）

eager_execution 是tensorflow的立即执行模式（不同于图执行模式），在2.x的tensorflow中默认打开，需要调用disable_eager_execution（）去关闭（在1.x的版本中则是默认关闭）

如果不关闭该模式，则需要.numpy()来转换成数组，继续用eval()则会报错：

eval is not supported when eager execution is enabled

import numpy as np 
import tensorflow as tf

b = tf.constant([1,2,3])
with tf.compat.v1.Session().as_default():
        # b = b.eval()
        b= b.numpy()
print(b, type(b))

补充：实测可以直接调用numpy的asarray来转换

补充：

关于图执行（Graph ）和立即执行（Eager）

tensorflow2.x的转换模块@tf.function