Eager模式下如何将Tensor转换为NumPy数组？

首先得指出你当前代码里的问题：tf.constant()的作用是创建一个新的常量张量，它接受的是Python标量、列表、NumPy数组这类原始数据，而不是已经存在的tf.Variable对象——这就是你触发类型转换错误的原因。

在TensorFlow Eager模式下（TF2.x默认启用），不管是普通张量还是tf.Variable，都可以直接调用**.numpy()方法**来转换为NumPy数组，完全不需要tf.constant或者.eval()（.eval()是Graph模式下依赖会话的方法，Eager模式里根本用不上）。

修正后的代码示例 #

import tensorflow as tf

# TF2.x默认已启用Eager模式，无需额外配置
filters_C = tf.get_variable('filters_C', shape=[2, 2], initializer=tf.ones_initializer, regularizer=None, trainable=True)

# 直接调用.numpy()转换为NumPy数组
filters_np = filters_C.numpy()

# 验证结果
print(type(filters_np))  # 输出：<class 'numpy.ndarray'>
print(filters_np)
# 输出：
# [[1. 1.]
#  [1. 1.]]

补充说明 #

• 这个方法适用于Eager模式下所有TensorFlow张量类型，包括tf.Variable、tf.Tensor等；
• 如果你的张量在GPU上，.numpy()会自动将数据复制到CPU内存，生成标准的NumPy数组；
• 要是你碰到一些特殊场景（比如在函数式API的模型里），确保Eager模式是启用状态——TF2.x默认已经开启，若有需要可以用tf.config.run_functions_eagerly(True)强制启用。

内容的提问来源于stack exchange，提问作者liubc