TensorFlow 2.0

急切執(zhí)行默認(rèn)情況下.numpy()處于啟用狀態(tài)，因此只需調(diào)用Tensor對(duì)象即可。

import tensorflow as tf

a = tf.constant([[1, 2], [3, 4]])                 

b = tf.add(a, 1)

a.numpy()

# array([[1, 2],

#        [3, 4]], dtype=int32)

b.numpy()

# array([[2, 3],

#        [4, 5]], dtype=int32)

tf.multiply(a, b).numpy()

# array([[ 2,  6],

#        [12, 20]], dtype=int32)

值得注意的是（來自文檔），

Numpy數(shù)組可以與Tensor對(duì)象共享內(nèi)存。對(duì)一個(gè)的任何更改都可能反映在另一個(gè)上。

大膽強(qiáng)調(diào)我的。副本可能會(huì)也可能不會(huì)返回，這是實(shí)現(xiàn)的詳細(xì)信息。

如果禁用了“急切執(zhí)行”，則可以構(gòu)建一個(gè)圖形，然后通過tf.compat.v1.Session以下方式運(yùn)行它：

a = tf.constant([[1, 2], [3, 4]])                 

b = tf.add(a, 1)

out = tf.multiply(a, b)

out.eval(session=tf.compat.v1.Session())    

# array([[ 2,  6],

#        [12, 20]], dtype=int32)

另請(qǐng)參見TF 2.0符號(hào)映射，以獲取舊API到新API的映射。