如何将Keras Tensor转换为Numpy数组，解决符号张量转换报错问题

tf.keras.Input生成的是符号占位张量，仅用于定义Keras模型的输入结构，本身不承载任何实际数值，因此无法直接转换为存储具体值的Numpy数组，这就是你遇到报错的核心原因。

场景1：需要给符号张量喂入实际数值后再转Numpy数组 #

如果你是要测试输入的计算结果，可以先给张量传入真实数值再执行转换：

• 方法1：通过Keras后端计算函数获取实际输出后转换

import tensorflow as tf
import numpy as np

# 定义符号输入，注意不要用input作为变量名，这是Python内置关键字
input_sym = tf.keras.Input(shape=(100, 1), name='input')
# 构造符合shape要求的实际输入数值
real_input_val = np.random.rand(1, 100, 1).astype(np.float32)
# 构建前向计算函数
func = tf.keras.backend.function([input_sym], [input_sym])
output_tensor = func(real_input_val)[0]
# 转Numpy数组
numpy_arr = np.array(output_tensor)

• 方法2：Eager Execution模式下直接创建带值张量转换
  如果你的场景不需要搭建计算图，只是需要处理符合对应shape的张量，可以直接创建带实际值的张量再转换：

real_tensor = tf.constant(np.random.rand(100, 1))
numpy_arr = real_tensor.numpy()

场景2：仅需要获取输入张量的维度信息 #

如果你不需要实际数值，只是要拿到输入的维度参数，不需要转Numpy，直接调用.shape属性即可：

input_sym = tf.keras.Input(shape=(100, 1), name='input')
print(input_sym.shape) # 输出 (None, 100, 1)

内容的提问来源于stack exchange，提问作者Serge Nguyen