Python tf.convert_to_tensor用法及代码示例

将给定的 value 转换为 Tensor 。

用法

tf.convert_to_tensor(
    value, dtype=None, dtype_hint=None, name=None
)

此函数将各种类型的 Python 对象转换为 Tensor 对象。它接受Tensor 对象、numpy 数组、Python 列表和 Python 标量。

例如：

import numpy as np
def my_func(arg):
  arg = tf.convert_to_tensor(arg, dtype=tf.float32)
  return arg

# The following calls are equivalent.

value_1 = my_func(tf.constant([[1.0, 2.0], [3.0, 4.0]]))
print(value_1)
tf.Tensor(
  [[1. 2.]
   [3. 4.]], shape=(2, 2), dtype=float32)
value_2 = my_func([[1.0, 2.0], [3.0, 4.0]])
print(value_2)
tf.Tensor(
  [[1. 2.]
   [3. 4.]], shape=(2, 2), dtype=float32)
value_3 = my_func(np.array([[1.0, 2.0], [3.0, 4.0]], dtype=np.float32))
print(value_3)
tf.Tensor(
  [[1. 2.]
   [3. 4.]], shape=(2, 2), dtype=float32)

在 Python 中编写新操作时，此函数很有用(例如上面示例中的 my_func)。所有标准 Python 操作构造函数都将此函数应用于它们的每个 Tensor-valued 输入，这允许这些操作除了接受 Tensor 对象之外还接受 numpy 数组、Python 列表和标量。

注意：当 Python 列表或标量中存在 None 时，此函数不同于 float 和 string 类型的默认 Numpy 行为。而不是静默转换 None 值，而是会引发错误。