用Python绘制张量

我正在跟随来自的教程

我希望能够看到使用plt.imshow（）生成的图像，但由于某种原因，该行

generator = make_generator_model()

noise = tf.random.normal([1, 100])
generated_image = generator(noise, training=False)
#type = tensorflow.python.framework.ops.Tensor

plt.imshow(generated_image[0, :, :, 0], cmap='gray')

不适用于我，我得到一个错误：

TypeError: Image data cannot be converted to float

我在StackOverflow上跟随了几个线程，并尝试使用tf.cast来投射张量，但即使这样也没有帮助

网站上的模型与我的代码不同（只是略有不同）

---

在TensorFlow 1.xx中，需要输出张量

generator=make\u generator\u model（）
噪声=tf.随机.正常（[1100]）
生成的图像=生成器（噪声，训练=错误）
sess=tf.Session（）#创建会话
sess.run（tf.global_variables_initializer（））#初始化变量
image=sess.run（生成的_image[0，：，：，0]）#在会话内计算图像张量
plt.imshow（im，cmap='gray'）
plt.show（）

或者您可以使用TensorFlow 2.0 beta版，默认情况下会使用即时执行

generator=make\u generator\u model（）
噪声=tf.随机.正常（[1100]）
生成的图像=生成器（噪声，训练=错误）
plt.imshow（生成的图像[0，：，：，0]，cmap='gray'）
plt.show（）

对我来说很好，你有什么tf版本？嗨，我的tf版本是1.13.1你需要先计算张量你好，这非常有效，谢谢。但是，如果我再次运行该单元格，它会给出错误消息：数组的索引太多

def make_generator_model():
    model = Sequential()
    model.add(Dense(9*9*256, use_bias=False, input_shape=(100,)))
#     model.add(BatchNormalization())
    model.add(LeakyReLU())

    model.add(Reshape((9, 9, 256)))
    assert model.output_shape == (None, 9, 9, 256) # Note: None is the batch size

    model.add(Conv2DTranspose(128, (3, 3), strides=(1, 1), padding='same', use_bias=False))
    assert model.output_shape == (None, 9, 9, 128)
#     model.add(BatchNormalization())
    model.add(LeakyReLU())

    model.add(Conv2DTranspose(64, (3,3), strides=(1, 1), padding='same', use_bias=False))
    assert model.output_shape == (None, 9, 9, 64)
#     model.add(BatchNormalization())
    model.add(LeakyReLU())

    model.add(Conv2DTranspose(1, (3,3), strides=(1, 1), padding='same', use_bias=False, activation='tanh'))
    assert model.output_shape == (None, 9,9,1)

    return model