将tensorflow tf.Variable转换为numpy数组

Question

我正在尝试将Tensorflow变量转换为numpy数组或列表列表，以便在外部python函数中迭代，我不想因为某个原因而修改它：

import tensorflow as tf
import numpy as np

v = tf.Variable(np.array([[1,2,3,4],[1,2,3,4]]),dtype=tf.float32)

def numpy_func(x):
    new_v = []
    for v1 in v:
        print(v1)
        new_v.append(v1)
    return new_v


init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)

    v1 = tf.Variable(numpy_func(np.array(v.eval())),dtype=tf.float32)

这会返回TypeError: 'Variable' object is not iterable.，因为tf.Variable仍会转移到该功能。我试图将它转换为张量，但它也保持tf.Variable完整：

v1 = tf.Variable(numpy_func(np.array(tf.convert_to_tensor(v,dtype=tf.float32).eval())),dtype=tf.float32)

TypeError: 'Variable' object is not iterable.

我该怎么办？我想要pythonic list或numpy数组，而不是tensorflow对象。

PS。解决方法是使用类似

的方法修改函数

for i in range(0,v.shape[0]):
    v1 = v[i,:].eval()

但我不想这样做，因为我希望从不同的地方调用pythonic函数。