如何将TensorFlow张量转为NumPy数组并解决fft2d报错问题

问题原因 #

tf.make_ndarray的作用是将TensorProto（Tensor的协议缓冲区表示）转换为numpy数组，而你传入的是TensorFlow的普通Tensor对象，所以会触发tensor_shape属性不存在的错误。

解决方案 #

根据你的TensorFlow版本和运行模式，选择以下任意一种方法：

方法1：TensorFlow 2.x 即时执行模式（默认）

直接调用Tensor的.numpy()方法转换为numpy数组：

print("type(pred[2]): ", type(pred[2]))
# 用.numpy()替代tf.make_ndarray
pred_np = pred[2].numpy()
fft2_pre = np.fft.fft2(pred_np)

方法2：TensorFlow 1.x 图模式（或关闭即时执行的TF2.x）

通过会话运行Tensor获取数值：

import tensorflow as tf

print("type(pred[2]): ", type(pred[2]))
# 创建会话并运行Tensor
with tf.Session() as sess:
    pred_np = sess.run(pred[2])
fft2_pre = np.fft.fft2(pred_np)

或者使用.eval()方法（需在会话上下文内）：

pred_np = pred[2].eval(session=sess)

方法3：直接使用TensorFlow内置的FFT2D操作（无需转numpy）

如果不需要转成numpy数组，推荐用TensorFlow原生的tf.signal.fft2d，避免数据格式转换的开销：

# 注意：tf.signal.fft2d要求输入为复数张量，若输入是实数需先转复数
if pred[2].dtype.is_floating:
    pred_complex = tf.cast(pred[2], tf.complex64)
else:
    pred_complex = pred[2]
fft2_pre = tf.signal.fft2d(pred_complex)

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