Python 将tf.Tensor转换为numpy数组，然后将其另存为中的图像，无需急于执行

我的OC对于apple M1来说是一个大的sur，因此我的tensorflow版本是2.4，它是从官方的apple github repo（）安装的。当我使用下面的代码时，我得到张量（）

将tensorflow导入为tf
将tensorflow_hub导入为hub
从PIL导入图像
将numpy作为np导入
从tensorflow.python.compiler.mlcompute导入mlcompute
从tensorflow.python.framework.ops导入禁用执行
禁用\u渴望\u执行（）
mlcompute.set_mlc_device（device_name='gpu'）#可用选项有“cpu”、“gpu”和“any”。
tf.config.run_函数（False）
打印（tf.executing_急切地（）
image=np.asarray（image.open（'/Users/alex26/Downloads/face.jpg'））
image=tf.cast（image，tf.float32）
image=tf.展开（图像，0）
型号=轮毂。负载（“https://tfhub.dev/captain-pool/esrgan-tf2/1")
sr=模型（图像）#

---

如何从sr Tensor获取图像？

要从tensorflow Tensor创建numpy数组，可以使用“make_ndarray”：

---

make_ndarray

将原张量作为参数，因此必须首先将张量转换为原张量

proto_tensor=tf.make_tensor_proto（a）#将张量a转换为proto tensor

（）

张量必须为if shape

（img\u height，img\u width，3）

，

3

如果要生成RGB图像（3个通道），请参阅以下代码，使用

PIL将numpy aaray转换为图像

要从numpy数组生成图像，可以使用
PIL
（Python图像库）：

从PIL导入图像
将numpy作为np导入
img_w，img_h=200200
data=np.zero（（img_h，img_w，3），dtype=np.uint8）如果您急切地执行它，它会起作用：

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, 224, 3).astype(np.float32)

image = model(x)

然后可以使用保存生成的图像。您可能需要将结果乘以
255
，然后转换为
np.uint8
，才能使该函数正常工作，我不确定。
这是您正在考虑的老式方法吗

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

这是什么？请在此包含重要信息。我甚至不能打开链接（域名被封锁）这个信息是大的，我会包括在这里，如果链接贝娄也不适合你。我不急于使用执行。为什么不使用？是的，我不能将张量类转换为numpy数组，这是主要问题。我试着用make_ndary，但没用。假设pastebin对你也不起作用，
make_ndarray
以原张量为参数，所以你必须先将张量转换成原张量，我在上面修改了这个。。。我试过了，但没有work@Ymka抱歉，缺少初始化。现在它说了什么？您可能希望
将tensorflow.compat.v1导入为tf
，而不是完全导入TF1。
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    sess.run(sr)