[开发技巧]·TensorFlow中numpy与tensor数据相互转化（支持tf1.x-tf2.x）

推荐对比阅读：

1. [开发技巧]·PyTorch中Numpy，Tensor与Variable深入理解与转换技巧
2. 『带你学AI』带你学AI与TensorFlow2实战之入门初探：如何速成深度学习开发

鉴于tensorflow目前正在更新2.0版本，博主对博客也新增了适用于2.0版本动态度转换方法，更新于 --2019//09//29

​

​

- 问题描述

在我们使用TensorFlow进行深度学习训练时，很多时候都是与Numpy数据打招呼，例如我们csv或者照片数据等。

但是我们都知道，TensorFlow训练时都是使用Tensor来存储变量的，并且网络输出的结果也是Tensor。

一般情况下我们不会感受到Numpy与Tensor之间的区别，因为TensorFlow网络在输入Numpy数据时会自动转换为Tensor来处理。

但是在输出网络时，输出的结果仍为Tensor，当我们要用这些结果去执行只能由Numpy数据来执行的操作时就会出现莫名其妙的错误。

例如，当我想要用自编码器与解码器输出的结果使用matplotlib显示时就会报错

TypeError: Image data cannot be converted to float

解决方法

TF 1.x版本

有时候解决起来很简单，就是错误比较难找到，所以我推荐的方法为将数据进行显式的转化。

• Numpy2Tensor

虽然TensorFlow网络在输入Numpy数据时会自动转换为Tensor来处理，但是我们自己也可以去显式的转换：

data_tensor= tf.convert_to_tensor(data_numpy)

• Tensor2Numpy

网络输出的结果仍为Tensor，当我们要用这些结果去执行只能由Numpy数据来执行的操作时就会出现莫名其妙的错误。解决方法：

with tf.Session() as sess:
    data_numpy = data_tensor.eval()

TF 2.x版本（更新于2019//09//29）

• Numpy2Tensor（与1.x版本相同）

虽然TensorFlow网络在输入Numpy数据时会自动转换为Tensor来处理，但是我们自己也可以去显式的转换：

data_tensor= tf.convert_to_tensor(data_numpy)

• Tensor2Numpy

网络输出的结果仍为Tensor，当我们要用这些结果去执行只能由Numpy数据来执行的操作时就会出现莫名其妙的错误。解决方法，由于2.x版本取消了session机制，开发人员可以直接执行 .numpy()方法转换tensor：

data_numpy = data_tensor.numpy()

同时推荐大家关注笔者公众号“极简AI”（ID：BriefAI），一起探讨学习深度学习理论与应用开发技术。

​

​基于深度学习的理论学习与应用开发技术分享，笔者会经常分享深度学习干货内容，大家在学习或者应用深度学习时，遇到什么问题也可以与我在上面交流知无不答。

出自CSDN博客专家&知乎深度学习专栏作家@小宋是呢