如何将 Tensor 转换为 ndarray（里面有对抗性图像的张量）

注意：我已经尝试过不同 SO 问题的解决方案，但没有成功，详细信息如下。

我正在学习克莱尔汉斯Python 教程，重点关注this https://github.com/tensorflow/cleverhans/blob/master/cleverhans_tutorials/mnist_tutorial_keras_tf.py代码（keras 模型案例）。 我有基本的 keras 知识，但我刚刚开始使用 Tensorflow（完全新手）。

我正在尝试可视化这段代码中生成的对抗性图像（引用链接克莱尔汉斯来源）：

# 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)

据我了解，adv_x应该包含生成的对抗图像，我尝试将张量转换为ndarray为了将其形象化matplot。我之前和之后都尝试过以下操作model(adv_x):

1) adv_x.eval()
2) adv_x.eval(sess)
3) sess.run(adv_x) 
4) ..and minor changes

没有任何事情按预期工作，我收到各种错误：

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)`

and

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"]()]]

and

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"]()]]

也尝试过with sess.as_default():没有成功。

Type of adv_x is <class 'tensorflow.python.framework.ops.Tensor'>，其形状为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>

我还尝试过研究张量的一部分adv_x[0]，没有成功。

我有点迷失，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？）。

我如何转换adv_x to ndarray类型？任何提示表示赞赏

Regards

我已经找到解决方案了

看来张量adv_x更像是一个function比一个值，并且需要一个输入（我目前不掌握背后的张量流复杂推理），所以你需要调用eval()通过提供会话和字典。 该字典包含一个条目，即该名称adv_x输入占位符及其值。就我而言，我提供了 60000 个输入示例（图像）的列表x_train.

请注意，占位符名称是x就我而言，但我想您应该使用您在其中输入的占位符的变量名称FastGradientMethod对象构造函数。

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)。

您可以使用 matplotlib，但需要稍微更改数组形状。 Matplot 灰度图像应该是 2D 数组：

matplotlib.pyplot.imshow(ad1[:,:,0])

这是我的解决方案，也许并非所有步骤都是强制性的，但是，您知道，您必须小心使用黑魔法:-)

PS：为了避免内存不足您可以截断的错误x_train, e.g., x_train2 = xtrain[0:100]