[开发技巧]·TensorFlow中numpy与tensor数据相互转化
个人主页–> https://xiaosongshine.github.io/
- 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
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()