如何在tensorflow中转换张量中的numpy数组?

Question

我在tensorflow中编写了以下代码，这是一个函数，我将使用它根据输入的X值进行一些计算

import tensorflow as tf
import math as m
def tf_fn(x):
  pi = tf.constant(m.pi)
  miu=0.0
  o=1.0
  f1=1/(tf.sqrt(2*o**2*pi))
  f2= tf.exp(-((x - miu)**2)/ 2*o**2)
  f3= f1 * f2
  return (f3)
 
x = np.array([0,1,2,3])
tf.print(tf_fn(x))

当我尝试打印这个时，我得到以下错误:

InvalidArgumentError                      Traceback (most recent call last)
<ipython-input-70-fba9acd28831> in <module>()
  1 x = np.array([0,1,2,3])
----> 2 tf.print(tf_fn(x))
7 frames
/usr/local/lib/python3.6/dist-packages/six.py in raise_from(value, from_value)
InvalidArgumentError: cannot compute Mul as input #1(zero-based) was expected to be a float 
tensor but is a double tensor [Op:Mul]

我的预期输出是:[0.39894228,0.24197072,0.05399097,0.00443185]我知道问题是numpy数组需要被转换成张量。怎样才能得到预期的输出呢?多谢! !* *

Answer 1

在创建数组时指定要使用float32而不是int64。Numpy默认为64位类型，但TensorFlow使用float32进行大多数计算。

 x = np.array([0,1,2,3], np.float32)

应该能解决你的问题。

---

>>> x = np.array([0,1,2,3], np.float32)
>>> tf_fn(x)
[0.398942292 0.241970733 0.0539909676 0.00443184841]