无Eager执行模式下M1端tf.Tensor转numpy并保存为图像的方法

当前环境禁用了Eager执行，sr本质是静态计算图上的计算节点，不携带实际运算结果，必须通过显式会话触发计算才能拿到真实像素值，具体操作如下：

• 创建TensorFlow会话触发实际计算
  适配当前tf2.4的静态图运行逻辑，加载Hub模型权重后执行sr节点，将计算结果转为numpy数组：

  # 接在原代码 sr = model(image) 之后补充
  with tf.compat.v1.Session() as sess:
      # 初始化Hub加载的模型全局权重
      sess.run(tf.compat.v1.global_variables_initializer())
      # 执行sr对应的计算图节点，获取实际运算结果
      sr_array = sess.run(sr)
  

• 适配图像存储所需的数组格式
  拿到的数组形状为(1, 2880, 4320, 3)，存在多余的批量维度，且ESRGAN模型输出的浮点像素可能超出[0,255]的合法图像值范围，需要做格式修正才能正常生成图像：

  # 移除数组第0维的批量维度
  sr_array = np.squeeze(sr_array, axis=0)
  # 将像素值截断到0-255的合法区间，避免存图时出现颜色异常
  sr_array = np.clip(sr_array, 0, 255)
  # 转换为PIL库可识别的uint8图像格式
  sr_image = Image.fromarray(sr_array.astype(np.uint8))
  

• 保存为本地图像文件
  直接调用PIL的保存接口即可输出最终的超分辨率图像：

  sr_image.save("/Users/alex26/Downloads/sr_output.jpg")
  

注意：该流程和当前环境下配置的MLCompute GPU加速逻辑完全兼容，会话执行时会自动把计算任务路由到M1芯片的GPU端，无需额外调整设备配置。

内容的提问来源于stack exchange，提问作者Ymka