如何在张量流中将“张量”转换为“numpy”数组？

Question

我试图在 tesnorflow2.0 版本中将张量转换为 numpy。由于 tf2.0 启用了急切执行，因此它应该默认工作并且在正常运行时也工作。当我在 tf.data.Dataset API 中执行代码时，它给出了一个错误

“AttributeError: 'Tensor' 对象没有属性 'numpy'”

我在 tensorflow 变量之后尝试了“.numpy()”，而对于“.eval()”，我无法获得默认会话。

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
# tf.executing_eagerly()
import os
import time
import matplotlib.pyplot as plt
from IPython.display import clear_output
from model.utils import  get_noise
import cv2


def random_noise(input_image):
  img_out = get_noise(input_image)
  return img_out


def load_denoising(image_file):
  image = tf.io.read_file(image_file)
  image = tf.image.decode_png(image)
  real_image = image
  input_image = random_noise(image.numpy())
  input_image = tf.cast(input_image, tf.float32)
  real_image = tf.cast(real_image, tf.float32)
  return input_image, real_image


def load_image_train(image_file):
  input_image, real_image = load_denoising(image_file)
  return input_image, real_image

这工作正常

inp, re = load_denoising('/data/images/train/18.png')
# Check for correct run
plt.figure()
plt.imshow(inp)
print(re.shape,"  ", inp.shape)

这会产生提到的错误

train_dataset = tf.data.Dataset.list_files('/data/images/train/*.png')
train_dataset = train_dataset.map(load_image_train,num_parallel_calls=tf.data.experimental.AUTOTUNE)

注意：random_noise 有 cv2 和 sklearn 函数

Answer 1

.numpy如果要在tf.data.Dataset.map调用中使用此张量，则不能在张量上使用该方法。

在tf.data.Dataset引擎盖下对象的工作方式是创建一个静态的图表：这意味着你不能使用.numpy()，因为tf.Tensor对象时的静态图方面没有这个属性。

因此，该行input_image = random_noise(image.numpy())应为input_image = random_noise(image)。

但是由于来自包的random_noise调用get_noise，代码很可能再次失败model.utils。如果get_noise函数是使用 Tensorflow 编写的，那么一切都会正常进行。否则，它不会工作。

解决方案？仅使用 Tensorflow 原语编写代码。

例如，如果您的函数get_noise只是使用输入图像的薄片创建随机噪声，则可以将其定义为：

def get_noise(image):
    return tf.random.normal(shape=tf.shape(image))

仅使用 Tensorflow 原语，它会起作用。

希望这个概述有帮助！

PS：您可能有兴趣查看文章“分析 tf.function 以发现 AutoGraph 的优势和微妙之处”-它们涵盖了这方面（也许第 3 部分与您的场景相关）：第 1 部分第 2 部分第 3 部分