能否将TensorFlow迭代器返回的Tensor转换为Numpy数组？

你的sample_tensor是TensorFlow计算图中的符号张量（从输出Tensor("IteratorGetNext:0", shape=(20, 26, 26), dtype=float32)可以判断，它是tf.data迭代器的输出节点，还未持有实际数值），转换为Numpy数组需要分场景处理：

场景1：Eager执行模式（TensorFlow 2.x默认） #

如果是在Eager模式下直接获取的迭代器输出，直接调用张量的.numpy()方法即可：

numpy_array = sample_tensor.numpy()

如果是通过迭代器生成的批量数据，也可以直接遍历数据集获取并转换：

# 遍历数据集，取第一个batch转换
for batch in your_dataset:
    numpy_array = batch.numpy()
    break

场景2：计算图模式（TensorFlow 1.x或TF2禁用Eager的情况） #

此时需要通过会话（Session）运行张量，同时要先初始化迭代器：

import tensorflow as tf

# 初始化迭代器
iterator = tf.data.Iterator.from_structure(your_dataset.output_types, your_dataset.output_shapes)
init_op = iterator.make_initializer(your_dataset)

with tf.Session() as sess:
    sess.run(init_op)
    # 运行张量得到Numpy数组
    numpy_array = sess.run(sample_tensor)

如果是TF2环境下兼容图模式，使用tf.compat.v1模块：

import tensorflow as tf

tf.compat.v1.disable_eager_execution()
iterator = tf.compat.v1.data.make_initializable_iterator(your_dataset)
init_op = iterator.initializer

with tf.compat.v1.Session() as sess:
    sess.run(init_op)
    numpy_array = sess.run(sample_tensor)

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