如何将张量转换为ndarray（张量内有敌对图像）

Question

注：我已经尝试过不同的解决方案，所以问题没有成功，细节如下。在

我正在学习cleverhanspyton教程，重点是this代码（keras模型案例）。 我有基本的keras知识，但我刚开始使用Tensorflow（完全新手）。在

我试着将这段代码中产生的逆境图像形象化（引自链接的cleverhans来源）：

# Initialize the Fast Gradient Sign Method (FGSM) attack object and graph
fgsm = FastGradientMethod(wrap, sess=sess)
fgsm_params = {'eps': 0.3,
               'clip_min': 0.,
               'clip_max': 1.}
adv_x = fgsm.generate(x, **fgsm_params)
# Consider the attack to be constant
adv_x = tf.stop_gradient(adv_x)
preds_adv = model(adv_x)

据我所知，adv_x应该包含生成的敌对图像，我尝试将张量转换为ndarray，以便通过matplot将其可视化。我在model(adv_x)之前和之后都尝试过以下方法：

^{pr2}$

一切都没有按预期工作，我收到了各种错误：

ValueError: Cannot evaluate tensor using `eval()`: No default session is registered. Use `with sess.as_default()` or pass an explicit session to `eval(session=sess)`

以及

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [?,28,28,1]
 [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[?,28,28,1], _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]]

以及

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder' with dtype float and shape [?,28,28,1]
     [[Node: Placeholder = Placeholder[dtype=DT_FLOAT, shape=[?,28,28,1], _device="/job:localhost/replica:0/task:0/device:GPU:0"]()]]
     [[Node: strided_slice/_115 = _Recv[client_terminated=false, recv_device="/job:localhost/replica:0/task:0/device:CPU:0", send_device="/job:localhost/replica:0/task:0/device:GPU:0", send_device_incarnation=1, tensor_name="edge_152_strided_slice", tensor_type=DT_FLOAT, _device="/job:localhost/replica:0/task:0/device:CPU:0"]()]]

也尝试了with sess.as_default():，但没有成功。在

adv_x的类型是<class 'tensorflow.python.framework.ops.Tensor'>，其形状是TensorShape([Dimension(None), Dimension(28), Dimension(28), Dimension(1)])。 在调试控制台中编写adv_x，我得到：<tf.Tensor 'StopGradient_4:0' shape=(?, 28, 28, 1) dtype=float32>

我还试着研究张量adv_x[0]的一部分，但没有成功。在

我有点迷茫了，我想我错过了一些TensorFlow基础知识，或者我误解了教程（adv_x是否有效地填充了数据？）。在

如何将adv_x转换为ndarray类型？任何小费都可以

问候

Answer 1

我找到了解决办法

似乎张量adv_x更像是一个函数而不是一个值，并且需要一个输入（我目前不掌握后面的张量流卷积推理），因此您需要通过提供会话和字典来调用eval()。 字典包含一个条目，它是adv_x输入占位符的名称及其值。在我的例子中，我提供了60000个输入示例（图像）x_train。在

请注意，占位符名称在我的例子中是x，但我想您应该使用在FastGradientMethod对象构造函数中输入的占位符的变量名。在

adv_images = adv_x.eval(session=sess, feed_dict={x: x_train})

adv_images是一个大小为（60000,28,28,1）的数组，ad1 = adv_images[1]是灰度图像（28,28,1）。在

可以使用matplot，但需要稍微改变数组的形状。Matplot灰度图像应为二维数组：

^{pr2}$

这是我的解决方案，也许不是所有的步骤都是强制性的，但是，你知道，你必须小心使用黑魔法：-）

注：为了避免内存不足错误，可以截断x列，例如x_train2 = xtrain[0:100]