如何将tensorflow.python.framework.ops.EagerTensor转为TensorFlow或Torch Tensor？

关于EagerTensor的转换问题 #

• TensorFlow场景：tensorflow.python.framework.ops.EagerTensor本身就是TensorFlow即时执行模式下的原生Tensor类型，无需额外转换即可直接输入TensorFlow模型。
• PyTorch场景：要转成PyTorch Tensor，只需先将EagerTensor转为numpy数组，再用PyTorch的转换方法：

  import torch
  # 假设t是你的函数返回的EagerTensor
  pt_tensor = torch.tensor(t.numpy())
  

优化图片转(1,28,28) Tensor的函数 #

你可以简化原函数步骤，直接生成目标维度的Tensor：

def imgprocessing(path):
    # 直接加载灰度图并指定目标尺寸
    test_img = image.load_img(path, target_size=(28, 28), color_mode="grayscale")
    # 归一化并转为数组
    test_img_array = image.img_to_array(test_img) / 255.0
    # 添加batch维度，得到(1,28,28)的Tensor
    return tf.convert_to_tensor(test_img_array[None, ...], dtype=tf.float32)

• 用color_mode="grayscale"直接加载灰度图，省去RGB转灰度的操作；
• test_img_array[None, ...]等价于tf.expand_dims(test_img_array, axis=0)，可快速添加batch维度，最终输出Tensor的shape即为(1,28,28)。

内容的提问来源于stack exchange，提问作者BR BR