当你添加一个带有 numpy 数组的张量时会发生什么？答案

【问题标题】：What happens when you add a tensor with a numpy array?当你添加一个带有 numpy 数组的张量时会发生什么？
【发布时间】：2018-03-12 23:43:43
【问题描述】：

张量流 1.6

当我注意到以下代码有效时，我感到非常惊讶：

a = tf.constant(5)
b = a + np.array(25)
b.eval() # 30

我期待这会引发错误。 tensorflow 如何处理这种情况？是否将 numpy 数组作为常数张量添加到图形中，以便一切仍然可以在 GPU 上运行？或者在 CPU 上计算东西会有一些中断吗？

换句话说，与手动定义适当的 tf.constant 张量相比，以这种方式编写它有什么缺点吗？

【问题讨论】：

标签： python tensorflow

【解决方案1】：

默认情况下，当您将 NumPy 数组添加到 TensorFlow 张量时，TensorFlow 会将 NumPy 数组转换为 tf.constant 操作，然后将其添加到张量（这同样适用于任何其他 Python 运算符）。因此，在这种情况下，实际上将两个节点添加到图形中，一个用于常量数组，一个用于加法。

这使得库之间的交互更加无缝，但应注意不要将同一个数组的许多副本塞满图形，尤其是当它很大时。如果您要使用 TensorFlow 张量多次操作同一个数组，最好先将其转换为 tf.constant，然后根据需要多次使用。

【讨论】：

谢谢！这是一个新功能还是我错过了它？
@Pepe 我认为情况一直如此，尽管我无法确定。实际上，更准确地说，TF 一直使用的（对于大多数操作和函数参数）是tf.convert_to_tensor，它接受“任何东西”并将其转换为张量（如果它还不是张量，那就是）。
这就是我所怀疑的。谢谢你，你很有帮助。