如何不使用Session打印TensorFlow对象并解决numpy属性报错

1. 修复版本兼容冲突 #

TensorFlow 2.6官方适配的numpy版本范围为1.19.2~1.19.4，你当前使用的numpy 1.19.5存在API兼容问题，是触发Tensor对象无numpy属性报错的核心原因。
执行如下命令降级numpy版本：

pip install numpy==1.19.4 --force-reinstall

安装完成后重启运行环境（若使用Jupyter则重启内核），再次测试arr.numpy()即可正常输出结果。

2. 执行模式冲突修复 #

如果版本降级后问题仍存在，说明你代码中存在TF1.x图模式和TF2.x eager执行模式的混用问题，按如下规则调整：

• 不要在tf.function装饰的函数内部调用numpy()方法，所有Tensor转numpy的操作需移到函数外部，函数内部直接用tf.print输出Tensor本身即可。
• 检查代码中是否存在tf.compat.v1.disable_eager_execution()、显式创建v1默认图的逻辑，删除相关代码后添加如下配置强制走eager执行：

tf.compat.v1.enable_eager_execution()
tf.compat.v1.disable_v1_behavior()

3. 动态学习率打印方法 #

ExponentialDecay是学习率调度类，不是Tensor对象，不能直接调用eval()方法，按如下方式打印当前学习率：

# 直接调用调度类的call方法传入当前迭代步数即可获取当前学习率Tensor
current_lr = model.optimizer.learning_rate(model.optimizer.iterations)
# eager模式下直接转numpy打印
print(current_lr.numpy())
# 也可以直接用tf.print输出无需类型转换
tf.print(current_lr)

注意事项 #

不要主动调用tf.compat.v1.Session类的图模式接口，TF2.x默认eager执行模式下无需创建会话即可直接获取Tensor值，两种模式混用会引发更多兼容问题。

内容的提问来源于stack exchange，提问作者whitepanda