启用Eager Execution后调用sparse_tensor.values.numpy()仍报AttributeError

• 先排查张量状态：打印type(sparse_tensor.values)确认是否为图模式下的Tensor。即便全局开启tf.config.run_functions_eagerly(True)，如果SparseTensor来自计算图（比如未完全退出tf.function上下文、从预训练模型/graph加载），其values仍可能是图张量，无法直接调用numpy()。

• 强制转为eager张量：用tf.identity()包装SparseTensor的values，再提取numpy数组：

  eager_tensor = tf.identity(sparse_tensor.values)
  result_list = eager_tensor.numpy().tolist()
  

• 针对数据源调整：如果SparseTensor来自tf.data.Dataset或模型输出，可通过tf.py_function包裹处理逻辑，确保代码在eager模式下执行；若稀疏度较低，也可先转密集张量再处理：

  dense_tensor = tf.sparse.to_dense(sparse_tensor)
  result_list = dense_tensor.numpy().tolist()
  

• 备选方法：用tf.make_ndarray()直接转换张量为numpy数组（要求张量形状已知）：

  numpy_array = tf.make_ndarray(sparse_tensor.values)
  result_list = numpy_array.tolist()
  

内容的提问来源于stack exchange，提问作者user21196027