第一種：tf.enable_eager_execution()

# -*- coding: utf-8 -*- """ @File : 111.py @Time : 2020/2/12 15:06 @Author : Dontla @Email : sxana@qq.com @Software: PyCharm """ import tensorflow as tftf.enable_eager_execution() x = tf.constant([[1, 2], [3, 4]]) print(x)

結果：

tf.Tensor( [[1 2][3 4]], shape=(2, 2), dtype=int32)

第二種：tf.Session.run()

# -*- coding: utf-8 -*- """ @File : 222.py @Time : 2020/2/12 15:12 @Author : Dontla @Email : sxana@qq.com @Software: PyCharm """ import tensorflow as tfx = tf.constant([[1, 2], [3, 4]]) # print(x) # Tensor("Const:0", shape=(2, 2), dtype=int32)with tf.Session() as sess:print(sess.run(x))print(type(sess.run(x)))

結果：

[[1 2][3 4]]<class 'numpy.ndarray'>

參考文章1：tensorflow tf.enable_eager_execution()（立即執行操作，不添加到稍后在“ tf.Session”中執行的圖）

參考文章2：python tensorflow tf.Session().run()函數（運行操作并評估“fetches”中的張量）

總結

以上是生活随笔為你收集整理的对比tensorflow查看打印输出张量Tensor的两种方法（急切执行tf.enable_eager_execution()和tf.Session.run()）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。