将 tf.Tensor 转换为 numpy 数组，然后将其保存为图像而不需要eager_execution

如何解决将 tf.Tensor 转换为 numpy 数组，然后将其保存为图像而不需要eager_execution

我的 OC 是苹果 M1 的大 sur，因此我的 tensorflow 版本是 2.4，已从官方苹果 github repo(https://github.com/apple/tensorflow_macos) 安装。当我使用下面的代码时，我得到 tensor()

import tensorflow as tf
import tensorflow_hub as hub
from PIL import Image
import numpy as np

from tensorflow.python.compiler.mlcompute import mlcompute
from tensorflow.python.framework.ops import disable_eager_execution
disable_eager_execution()
mlcompute.set_mlc_device(device_name='gpu') # Available options are 'cpu','gpu',and 'any'.
tf.config.run_functions_eagerly(False)
print(tf.executing_eagerly())

image = np.asarray(Image.open('/Users/alex26/Downloads/face.jpg'))
image = tf.cast(image,tf.float32)
image = tf.expand_dims(image,0)

model = hub.load("https://tfhub.dev/captain-pool/esrgan-tf2/1")
sr = model(image) #<tf.Tensor 'StatefulPartitionedCall:0' shape=(1,2880,4320,3)dtype=float32>

如何从 sr Tensor 获取图像？

解决方法

要从 tensorflow 张量创建一个 numpy 数组，您可以使用 `make_ndarray'：https://www.tensorflow.org/api_docs/python/tf/make_ndarray

34 00 * * 2 test "$(($(date +%W)%4))" -eq 2 && echo "yes2" > /u/crmprod/test 以原始张量作为参数，因此您必须先将张量转换为原始张量

make_ndarray

( https://www.geeksforgeeks.org/tensorflow-how-to-create-a-tensorproto/ )

Convert a tensor to numpy array in Tensorflow?

张量必须是形状 proto_tensor = tf.make_tensor_proto(a) # convert tensor a to a proto tensor，如果要生成 RGB 图像（3 个通道），则为 (img_height,img_width,3)，请参阅以下代码以使用 {{ 将 numpy aaray 转换为图像1}}

要从 numpy 数组生成图像，您可以使用 3（Python 图像库）：How do I convert a numpy array to (and display) an image?

PIL

来源：https://www.w3resource.com/python-exercises/numpy/python-numpy-exercise-109.php

,

如果你急切地执行它是有效的：

import tensorflow as tf
import numpy as np
import tensorflow_hub as hub

model = hub.load("https://tfhub.dev/captain-pool/esrgan-tf2/1")

x = np.random.rand(1,224,3).astype(np.float32)

image = model(x)

然后您可以使用 tf.keras.preprocessing.image.save_img 保存生成的图像。您可能需要将结果乘以 255 并转换为 np.uint8 才能使该函数起作用，我不确定。

,

这是您正在照顾的老式方法吗？

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(sr)