将张量转换为 numpy 数组时出现值错误答案

【问题标题】：Value error while converting tensor to numpy array将张量转换为 numpy 数组时出现值错误
【发布时间】：2020-12-10 19:02:45
【问题描述】：

我正在使用以下代码从图像中提取特征。

def ext():
    imgPathList = glob.glob("images/"+"*.JPG")
    features = []
    for i, path in enumerate(tqdm(imgPathList)):
        feature = get_vector(path)
        feature = feature[0] / np.linalg.norm(feature[0])
        features.append(feature)
        paths.append(path)
    features = np.array(features, dtype=np.float32)
    return features, paths

但是，上面的代码抛出了以下错误，

 features = np.array(features, dtype=np.float32)
ValueError: only one element tensors can be converted to Python scalars

我怎样才能解决它？

【问题讨论】：

这对于应该是标量的东西非常可疑：feature[0] / np.linalg.norm(feature[0])

标签： python numpy pytorch torch resnet

【解决方案1】：

您似乎有一个tensors 列表，您不能这样直接转换。

您需要先将内部张量转换为 NumPy 数组（使用torch.Tensor.numpy 将张量转换为数组），然后将 NumPy 数组列表转换为最终数组。

features = np.array([item.numpy() for item in features], dtype=np.float32)

【讨论】：

【解决方案2】：

错误说您的features 变量是一个列表，其中包含无法转换为张量的多维值，因为.append 正在将张量转换为列表，所以一些解决方法是使用torch 的连接函数作为@ 987654324@（阅读here）而不是附加方法。我尝试用玩具示例复制解决方案。

我假设特征包含二维张量

import torch
for i in range(1,11):
    alpha = torch.rand(2,2)
    if i<2:
        beta = alpha #will concatenate second sample
    else:
        beta = torch.cat((beta,alpha),0)
    
import numpy as np

features = np.array(beta, dtype=np.float32)

【讨论】：