TensorFlow技术问题：如何将EagerTensor转换为numpy数组？

在TensorFlow里把张量转成NumPy数组，得看你用的是传统图执行模式还是即刻执行（Eager Execution）模式，两种方式的实现差异不小，下面给你详细说明：

1. 标准图执行模式实现 #

这种模式下，TensorFlow是先构建计算图，再通过会话（Session）来运行计算。要把张量转成NumPy数组，可以用.eval()方法或者sess.run()，示例代码如下：

import tensorflow as tf

# 创建张量
x = tf.convert_to_tensor([0,1,2,3,4], dtype=tf.int64)
y = x + 10

# 初始化会话和相关变量
sess = tf.InteractiveSession()
sess.run([tf.local_variables_initializer(), tf.global_variables_initializer()])
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)

# 将张量转换为NumPy数组
z = y.eval(feed_dict={x:[0,1,2,3,4]})
print(z)  # 输出: [10 11 12 13 14]
print(type(z))  # 输出: <class 'numpy.ndarray'>

# 清理资源
coord.request_stop()
coord.join(threads)
sess.close()

这里的关键点是：必须在会话上下文里调用.eval()或者sess.run()，才能触发计算并得到NumPy数组。

2. 即刻执行模式实现 #

TensorFlow 1.x之后支持开启即刻执行模式（TensorFlow 2.x完全默认启用），这种模式下张量会即时计算，不需要构建会话，直接调用.numpy()方法就能转成NumPy数组，简单很多：

import tensorflow as tf

# TF1.x需要手动开启即刻执行，TF2.x默认已开启可省略
tf.enable_eager_execution()

# 创建EagerTensor
x = tf.convert_to_tensor([0,1,2,3,4], dtype=tf.int64)
y = x + 10

# 直接转换为NumPy数组
z = y.numpy()
print(z)  # 输出: [10 11 12 13 14]
print(type(z))  # 输出: <class 'numpy.ndarray'>

这种方式更简洁，也是现在TensorFlow推荐的使用方式，省去了会话管理的繁琐步骤。

内容的提问来源于stack exchange，提问作者wewlie