我正在按照https://www.tensorflow.org/beta/tutorials/generative/dcgan上的教程进行学习。

我想使用plt.imshow()来查看生成的图像，但不知为何以下代码行对我不起作用，并且我收到了错误提示：

generator = make_generator_model()noise = tf.random.normal([1, 100])generated_image = generator(noise, training=False)#type = tensorflow.python.framework.ops.Tensorplt.imshow(generated_image[0, :, :, 0], cmap='gray')

错误信息如下：

TypeError: Image data cannot be converted to float

我在StackOverflow上查看了几个讨论串，并尝试使用tf.cast来转换张量，但这也没有解决问题。

网站上的模型与我的代码略有不同（仅有细微差异）

def make_generator_model():    model = Sequential()    model.add(Dense(9*9*256, use_bias=False, input_shape=(100,)))#     model.add(BatchNormalization())    model.add(LeakyReLU())    model.add(Reshape((9, 9, 256)))    assert model.output_shape == (None, 9, 9, 256) # Note: None is the batch size    model.add(Conv2DTranspose(128, (3, 3), strides=(1, 1), padding='same', use_bias=False))    assert model.output_shape == (None, 9, 9, 128)#     model.add(BatchNormalization())    model.add(LeakyReLU())    model.add(Conv2DTranspose(64, (3,3), strides=(1, 1), padding='same', use_bias=False))    assert model.output_shape == (None, 9, 9, 64)#     model.add(BatchNormalization())    model.add(LeakyReLU())    model.add(Conv2DTranspose(1, (3,3), strides=(1, 1), padding='same', use_bias=False, activation='tanh'))    assert model.output_shape == (None, 9,9,1)    return model

回答：

在TensorFlow 1.xx版本中，你需要评估输出张量。

generator = make_generator_model()noise = tf.random.normal([1, 100])generated_image = generator(noise, training=False)sess = tf.Session() #create session sess.run(tf.global_variables_initializer()) #initialize variablesimage = sess.run(generated_image[0, :, :, 0]) #evaluate image tensor inside sessionplt.imshow(im, cmap='gray')plt.show()

或者你可以使用TensorFlow 2.0 beta版，其中默认使用了即时执行模式。

generator = make_generator_model()noise = tf.random.normal([1, 100])generated_image = generator(noise, training=False)plt.imshow(generated_image[0, :, :, 0], cmap='gray')plt.show()