如何得到张量流2中Keras张量的值？

Question

TF1有sess.run()和{}来获得张量的值，而Keras有{}；现在，两者的工作原理都不一样（前两个根本不一样）。在

K.eager(K.get_value)(tensor)似乎通过退出Keras图而在Keras图中工作，而{}则在该图之外工作，这两个都是w/tf的默认值（在前者中，关闭）。但是，如果tensor是一个Keras后端操作，则此操作将失败：

import keras.backend as K
def tensor_info(x):
    print(x)
    print("Type: %s" % type(x))
    try:        
        x_value = K.get_value(x)
    except:
        try:    x_value = K.eager(K.get_value)(x)
        except: x_value = x.numpy()
    print("Value: %s" % x_value)  # three methods

ones = K.ones(1)
ones_sqrt = K.sqrt(ones)

tensor_info(ones); print()
tensor_info(ones_sqrt)

^{pr2}$

AttributeError: 'Tensor' object has no attribute 'numpy' 

---

这在TF<；2.0中是没有问题的。Github一直保持沉默。我知道将代码重写为一种解决方案的方法，但是它将消除Keras的后端中立性，并且工作类似于tf.keras。有没有办法在TensorFlow2.0中获得Keras2.3张量值，同时保持后端中立性？

Answer 1

我想你想要^{}：

>>> v = K.ones(1)
>>> K.eval(v)
array([1.], dtype=float32)
>>> K.eval(K.sqrt(v))
array([1.], dtype=float32)

请注意，^{}是为与变量一起使用而保留的（例如这里的v），而{}则用于任何张量。在