在将值分配给神经网络之前将 TensorFlow Tensor 转换为 numpy

Question

我正在使用DCGAN code。我需要修改the reward，它通过添加一个函数来获取该神经网络的输出，对其进行分析并对其进行惩罚，从而赋予其中一个神经网络。所以我的损失函数看起来像：

self.g_loss = self.g_loss + self.penalty

问题是

• 这个惩罚函数只接受numpy数组作为输入（我没办法修改这个），

• 神经网络输出是一个 tf.tensor，

• 并且由于尚未将值分配给神经网络（从技术上讲，它尚未构建）我既不能运行 .eval() 也不能运行 sess.run()。

  李>

那么在这种情况下，我如何将 tensorflow 张量转换为 numpy 数组？

Answer 1

Tensorflow 的 tf.py_func 对应于 wrapping Python functions and passing tensors to them。但是，您不能使用此损失函数来训练网络，因为 Tensorflow 不会自动区分 numpy 代码。

你很幸运，autograd does automatically differentiate numpy code。如果你使用它，在另一个tf.pyfunc 调用中，你可以获得渐变，然后你可以put back into the tensorflow graph on the backward pass。

这是一个示例，说明如何在 this gist 中完成所有操作。