关闭eager execution时TensorFlow2生成GradCAM热图报Tensor无numpy属性如何解决

错误原因 #

关闭Eager Execution后，TensorFlow张量为计算图中的符号化节点，未绑定实际运行数值，因此不支持numpy()方法直接提取数值，该方法仅Eager模式下可用。

修复步骤 #

1. 修改GradCAM函数定义 #

删除函数末尾的.numpy()调用，直接返回计算得到的heatmap张量：

def make_gradcam_heatmap(img_array, model, last_conv_layer_name, pred_index=None):
    grad_model = tf.keras.models.Model(
        [model.inputs], [model.get_layer(last_conv_layer_name).output, model.output]
    )

    with tf.GradientTape() as tape:
        last_conv_layer_output, preds = grad_model(img_array)
        if pred_index is None:
            pred_index = tf.argmax(preds[0])
        class_channel = preds[:, pred_index]

    grads = tape.gradient(class_channel, last_conv_layer_output)
    pooled_grads = tf.reduce_mean(grads, axis=(0, 1, 2))
    last_conv_layer_output = last_conv_layer_output[0]
    heatmap = last_conv_layer_output @ pooled_grads[..., tf.newaxis]
    heatmap = tf.squeeze(heatmap)

    heatmap = tf.maximum(heatmap, 0) / tf.math.reduce_max(heatmap)
    # 移除numpy()调用，直接返回张量
    return heatmap

2. 会话执行获取numpy格式热力图 #

调用函数得到heatmap张量后，通过TensorFlow会话执行该张量即可得到可直接使用的numpy数组：

# 生成heatmap张量
heatmap_tensor = make_gradcam_heatmap(img_array, model, last_conv_layer_name)

# 开启会话执行张量
with tf.compat.v1.Session() as sess:
    # 初始化grad_model的新增变量
    sess.run(tf.compat.v1.global_variables_initializer())
    # 若输入img_array为占位符类型，需补充feed_dict参数传入实际数值
    heatmap = sess.run(heatmap_tensor)

如果你的代码中已经存在全局运行的会话，直接在现有会话中执行heatmap_tensor即可，无需重复创建会话和初始化变量。

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