Tensorflow 在tf 2.0的tf.data.Dataset.map（图形模式）中将tf.Tensor转换为numpy数组

我正在使用TF2.0。显然，map转换是在graph模式下完成的（我假设在tf2.0中，一切都默认在急切模式下进行）

我有一个

tf.Tensor

，我想把它转换成一个

numpy

数组，在增广函数中使用它

创建

数据集

后，我正在使用

映射

转换：

dataset = tf.data.Dataset.from_tensor_slices((images, labele))
dataset = dataset.map(random_gradient, num_parallel_calls=tf.data.experimental.AUTOTUNE)

函数

随机梯度
为：

def random_gradient(x,
                    img_channel=0,
                    grad_range=[0.5, 1.5]):
    # the shape of input x has to be cubic, i.e. d == h == w
    intensity_grad = np.random.uniform(grad_range[0], grad_range[1], 1)[0]
    d, h, w, _ = np.shape(x)
    mask3d = np.zeros(shape=(d, h, w), dtype=np.float32)
    mask2d = np.zeros(shape=(h, w), dtype=np.float32)
    mask1d = np.linspace(1, intensity_grad, w, dtype=np.float32)
    mask2d[:] = mask1d
    mask3d[:] = mask2d
    axis = np.random.randint(1, 3)
    if axis == 1:
        # gradient along the x axis
        mask3d = np.swapaxes(mask3d, 0, 2)
    elif axis == 2:
        # gradient along the y axis
        mask3d = np.swapaxes(mask3d, 1, 2)

    x[:, :, :, img_channel] = x[:, :, :, img_channel]*mask3d
    return x

如您所见，
random_gradient（）
可用于
numpy
数组，但这里传递的参数
x
是
tf.Tensor
。
当我想将
x
转换为
random\u gradient（）
中的
numpy
数组，使用
x=x.numpy（）
，它会说：

***AttributeError:“Tensor”对象没有属性“numpy”

这是因为我们不是在
急切模式下

如果有人能帮我解决这个问题，我将不胜感激。
我将
mask3d
转换为
tf.Tensor
，并最终扩展最后一个维度以再次获得4D图像。这暂时解决了我的问题，因为输入
x
只有一个通道

但是，问题仍然悬而未决

def random_gradient(x,
                    img_channel=0,
                    grad_range=[0.5, 1.5]):
    # the shape of input x has to be cubic, i.e. d == h == w
    intensity_grad = np.random.uniform(grad_range[0], grad_range[1], 1)[0]
    d, h, w, _ = np.shape(x)
    mask3d = np.zeros(shape=(d, h, w), dtype=np.float32)
    mask2d = np.zeros(shape=(h, w), dtype=np.float32)
    mask1d = np.linspace(1, intensity_grad, w, dtype=np.float32)
    mask2d[:] = mask1d
    mask3d[:] = mask2d
    axis = np.random.randint(1, 3)
    if axis == 1:
        # gradient along the x axis
        mask3d = np.swapaxes(mask3d, 0, 2)
    elif axis == 2:
        # gradient along the y axis
        mask3d = np.swapaxes(mask3d, 1, 2)

    # 3D mask3d
    mask3d = tf.convert_to_tensor(mask3d)
    # 3D x
    x = x[:, :, :, img_channel]*mask3d
    # 4D x
    x = tf.expand_dims(x, 3)

    return x

在dataset.map（）中有一个使用tf.py_函数的选项。这将确保您的张量是具有.numpy（）属性的渴望张量