TF1具有张量的值，sess.run()并.eval()得到Keras的值K.get_value(); 现在，两者都不一样（以前是两个）。
K.eager(K.get_value)(tensor)似乎可以通过退出它在Keras图内和K.get_value(tensor)图外工作-带有TF2的默认值（在以前是关闭的）。但是，如果tensor是Keras后端操作，则此操作将失败：
import keras.backend as K
def tensor_info(x):
print(x)
print("Type: %s" % type(x))
try:
x_value = K.get_value(x)
except:
try: x_value = K.eager(K.get_value)(x)
except: x_value = x.numpy()
print("Value: %s" % x_value) # three methods
ones = K.ones(1)
ones_sqrt = K.sqrt(ones)
tensor_info(ones); print()
tensor_info(ones_sqrt)
<tf.Variable 'Variable:0' shape=(1,) dtype=float32, numpy=array([1.], dtype=float32)>
Type: <class 'tensorflow.python.ops.resource_variable_ops.ResourceVariable'>
Value: [1.]
Tensor("Sqrt:0", shape=(1,), dtype=float32)
Type: <class 'tensorflow.python.framework.ops.Tensor'>
# third print fails w/ below
AttributeError: 'Tensor' object has no attribute 'numpy'
tf.keras 。有没有办法在TensorFlow 2.0中获得Keras 2.3张量值同时保持后端中立性？
我想你要K.eval：
>>> v = K.ones(1)
>>> K.eval(v)
array([1.], dtype=float32)
>>> K.eval(K.sqrt(v))
array([1.], dtype=float32)
请注意，当与任何张量一起K.get_value使用时，保留用于变量（例如，v此处）K.eval。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句