Session 在Tensorflow 2中以延迟模式计算张量

我想计算张量的平方。 常数=tf.常数（[1,2,3]） tft=常数*常数

#https://www.tensorflow.org/api_docs/python/tf/compat/v1/Session
sess = tf.compat.v1.Session()
with sess.as_default():
  print(tft.eval())

但是，它返回以下错误：

NotImplementedError:当执行时不支持eval 已启用，.numpy（）是您要查找的吗

我知道我可以让渴望的惩罚无效

导入tensorflow作为tf

tf.compat.v1.disable_eager_execution()
constant = tf.constant([1, 2, 3])
tft = constant*constant
print(tft)

但是，这将返回张量（“mul_4:0”，shape=（3，），dtype=int32），而不是实际值。请问我如何评价它

---

非常感谢您的帮助。

在TF2.x中，您可以在会话中使用评估张量，如下所示

import tensorflow as tf
print(tf.__version__)

with tf.compat.v1.Session() as sess:
  constant = tf.constant([1, 2, 3])
  tft = constant*constant
  print(tft.eval())

输出：

2.2.0
[1 4 9]

2.2.0
tf.Tensor([1 4 9], shape=(3,), dtype=int32)
[1 4 9]

还有一种没有会话的方法，通过将

tensor

转换为

numpy

以查看实际值来实现

import tensorflow as tf
import numpy as np
print(tf.__version__)

def tensor_to_array(array_value):
    return array_value.numpy()

constant = tf.constant([1, 2, 3])
tft = constant*constant

print(tft)
print(tensor_to_array(tft))

输出：

2.2.0
[1 4 9]

2.2.0
tf.Tensor([1 4 9], shape=(3,), dtype=int32)
[1 4 9]

---

在TF2.x中，您可以在会话中使用计算张量，如下所示

import tensorflow as tf
print(tf.__version__)

with tf.compat.v1.Session() as sess:
  constant = tf.constant([1, 2, 3])
  tft = constant*constant
  print(tft.eval())

输出：

2.2.0
[1 4 9]

2.2.0
tf.Tensor([1 4 9], shape=(3,), dtype=int32)
[1 4 9]

还有一种没有会话的方法，通过将

tensor

转换为

numpy

以查看实际值来实现

import tensorflow as tf
import numpy as np
print(tf.__version__)

def tensor_to_array(array_value):
    return array_value.numpy()

constant = tf.constant([1, 2, 3])
tft = constant*constant

print(tft)
print(tensor_to_array(tft))

输出：

2.2.0
[1 4 9]

2.2.0
tf.Tensor([1 4 9], shape=(3,), dtype=int32)
[1 4 9]