如何将 Numpy 数组转换为张量？

TensorFlow 库中的 tf.convert_to_tensor() 方法用于将 NumPy 数组转换为张量。 NumPy 数组和张量的区别在于，张量与 NumPy 数组不同，由 GPU 等加速器内存支持，它们具有更快的处理速度。还有其他几种方法可以完成此任务。

tf.convert_to_tensor()函数：

Syntax:

tf.convert_to_tensor( value, dtype=None, dtype_hint=None, name=None)

parameters:

• value : The type of an object with a registered Tensor conversion function.
• dtype: by default it is None. The returned tensor’s element type is optional. If the type isn’t specified, the type is inferred from the value type.
• dtype_hint: by default None. When dtype is None, this is an optional component type for the returned tensor. When converting to a tensor, a caller may not have a datatype in mind, hence dtype hint can be used as a  preference. This parameter has no effect if the conversion to dtype hint is not possible.
• name : by default None. If a new Tensor is produced, this is an optional name to use.

示例 1：

Tensorflow 和 NumPy 包被导入。使用 np.array() 方法创建 NumPy 数组。使用 tf.convert_to_tensor() 方法将 NumPy 数组转换为张量。返回一个张量对象。

Python3

# import packages
import tensorflow as tf
import numpy as np
 
#create numpy_array
numpy_array = np.array([[1,2],[3,4]])
 
# convert it to tensorflow
tensor1 = tf.convert_to_tensor(numpy_array)
print(tensor1)

输出：

tf.Tensor(
[[1 2]
 [3 4]], shape=(2, 2), dtype=int64)

特例：

如果我们希望我们的张量具有特定的数据类型，我们应该指定绕过数据类型的数据类型。在下面的示例中，float 被指定为 dtype。

Python3

# import packages
import tensorflow as tf
import numpy as np
 
# create numpy_array
numpy_array = np.array([[1, 2], [3, 4]])
 
# convert it to tensorflow
tensor1 = tf.convert_to_tensor(numpy_array, dtype=float, name='tensor1')
tensor1

输出：

示例 2：

我们还可以使用 tf.Variable() 方法将 NumPy 数组转换为张量。 tf.Variable()函数也有参数 dtype 和 name。它们是可选的，我们可以在需要时指定它们。

Python3

# import packages
import tensorflow as tf
import numpy as np
 
# create numpy_array
numpy_array = np.array([[1, 2], [3, 4]])
 
# convert it to tensorflow
tensor1 = tf.Variable(numpy_array, dtype=float, name='tensor1')
tensor1

输出：