即使启用了eager-execution，Numpy也不可用

问题描述

我的代码与从.mat文件加载的VGG19一起使用时效果很好，并用于以下功能（我使用tensorflow 1.14.0）：

#initial method  : load VGG19 via file and function conv2D_relu

VGG19 = scipy.io.loadmat('imagenet-vgg-verydeep-19.mat')     
VGG19_layers = VGG19['layers'][0]

def conv2d_relu_old(prev_layer,n_layer,layer_name,VGG19_layers):
    # get weights for this layer:
    weights = VGG19_layers[n_layer][0][0][2][0][0]
    W = tf.constant(weights)
    bias = VGG19_layers[n_layer][0][0][2][0][1]
    b = tf.constant(np.reshape(bias,(bias.size)))
    # create a conv2d layer
    conv2d = tf.nn.Conv2d(prev_layer,filter=W,strides=[1,1,1],padding='SAME') + b
    # add a ReLU function and return
    return tf.nn.relu(conv2d)

在我的项目中，我想将VGG19较大图像（> 2000px）用作输入。为此，我发现可以删除最后两层，以便VGG19可以在它们上工作。约束条件是必须从与张量流相关的KERAS模块中加载VGG19。我像这样修改了以前的代码：

from tensorflow.keras.applications.vgg19 import VGG19
model = VGG19(weights="imagenet",include_top=False,input_tensor=Input(shape=(1200,1600,3))) #to remove the two TOP layer in order to put larger images as inputs                                                                                   
VGG19_layers = model.layers

def _conv2d_relu_new(prev_layer,VGG19_layers):
    # get weights for this layer:
    if n_layer==0:
        n_layer=n_layer+1
    weights = tf.constant(VGG19_layers[n_layer].weights[0].numpy())
    W = tf.constant(weights)
    bias = tf.constant(VGG19_layers[n_layer].bias[:].numpy())
    b = tf.constant(np.reshape(bias,bias.shape[0]))
    # create a conv2d layer
    conv2d = tf.nn.Conv2d(prev_layer,W,padding='SAME') + b
    # add a ReLU function and return
    return tf.nn.relu(conv2d)

在我的项目中测试经过修改的代码时，即使在代码顶部添加了“ tf.enable_eager_execution（）”，我仍然遇到以下错误：

NotImplementedError: numpy() is only available when eager execution is enabled

如果功能的适应性好，我在措辞吗？而且，我该如何解决numpy问题？注意：我无法将tensorflow升级到2.x，因为Hole项目被编码在tensorflow 1.x下谢谢您的帮助。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

deep-learning vgg-net