从张量流中的张量检索值的最快方法是什么？

Question

我现在要做的是从1 X 1尺寸张量中获取一个值，而我现在有将近6000。

到目前为止，我已经尝试使用eval（），session（）。我能想到的最好的办法就是将张量更改为numpy以获得其价值。但是问题在于它非常慢，尤其是在必须处理大量数据时。有没有快速的方法来从张量中检索数据？

仅提供其他信息，这就是我要实现的代码的一部分。

cross_IF = []
count = 0
for i in range(len(test_IF)):
  if (count % 100 == 0):
    print(count)
  count += 1
  c = keras.losses.categorical_crossentropy(test_IF[i], prediction_IF[i])
  element = keras.backend.eval(tf.reduce_sum(c))
  cross_IF.append(element)

cross_IF是我将用来堆叠张量'tf.reduce_sum（c）'中的值的列表。 test_IF和prediction_IF是测试值和预测值。

Answer 1

为社区的利益在“答案”部分提供解决方案。

问题是使用categorical_crossentropy会导致tensor，而不是numpy。

将categorical_crossentropy转换为numpy格式，然后将其附加到numpy列表中需要花费更多时间。

相反，将所有tensor的数据连接为cross entropies形式，然后在端处将其转换为numpy可以更快。