Python Tensorflow：如何将张量转换为numpy数组？

使用标准Tensorflow：

import tensorflow as tf

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

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)

z = y.eval(feed_dict={x:[0,1,2,3,4]})
print(z)
print(type(z))

coord.request_stop()
coord.join(threads)
sess.close()

输出：

[10 11 12 13 14]
<class 'numpy.ndarray'>

tf.Tensor([10 11 12 13 14], shape=(5,), dtype=int64)
<class 'EagerTensor'>

输出：

[10 11 12 13 14]
<class 'numpy.ndarray'>

tf.Tensor([10 11 12 13 14], shape=(5,), dtype=int64)
<class 'EagerTensor'>

tf.Tensor（[10 11 12 13 14]，shape=（5，），dtype=int64）

如果我尝试

y.eval（）

，我会得到

NotImplementedError:eval不受急切张量的支持。没有办法转换这个吗？这使得急切的Tensorflow毫无价值

编辑：

有一个函数
tf.make\ndarray
应该将张量转换为numpy数组，但它会导致
AttributeError:“热切张量”对象没有属性“tensor\u shape”
有一个
.numpy（）
函数，您可以使用，或者您也可以执行
numpy.array（y）
。例如：

import tensorflow as tf
import numpy as np

tf.enable_eager_execution()

x = tf.constant([1., 2.])
print(type(x))            # <type 'EagerTensor'>
print(type(x.numpy()))    # <type 'numpy.ndarray'>
print(type(np.array(x)))  # <type 'numpy.ndarray'>

将tensorflow导入为tf
将numpy作为np导入
tf.enable_eager_execution（）
x=tf.常数（[1,2.]）
打印（x型）
打印（键入（x.numpy（））#
打印（类型（np.数组（x））#

看

希望能有所帮助。
在不启用“急切执行”的情况下，是否可以执行此操作？