使用tensorflow进行umapfit_transforminputs出现TypeError __array__ takes 1 positional argument but 2 were given inputseval转换为numpy数组时出现ValueError Cannot evaluate tensor using eval 使用的是tensorflow—gpu 115版本

这个问题可能是因为您正在使用TensorFlow的Eager Execution模式，而不是Graph Execution模式。在Eager Execution模式下，您不能使用eval()方法来评估TensorFlow张量。

如果您想使用umap库进行降维，可以使用以下方法：

1. 将TensorFlow张量转换为NumPy数组，然后传递给umap.fit_transform()方法。例如：

import tensorflow as tf
import umap

# 创建一个TensorFlow张量
inputs = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])

# 将TensorFlow张量转换为NumPy数组
inputs_np = inputs.numpy()

# 使用umap进行降维
umap_result = umap.fit_transform(inputs_np)

2. 使用tf.Session()来运行图并获取张量的值，然后将其转换为NumPy数组。例如：

import tensorflow as tf
import umap

# 创建一个TensorFlow张量
inputs = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])

# 创建一个Session对象
with tf.Session() as sess:
    # 运行图并获取张量的值
    inputs_val = sess.run(inputs)

# 将TensorFlow张量转换为NumPy数组
inputs_np = inputs_val.numpy()

# 使用umap进行降维
umap_result = umap.fit_transform(inputs_np)

请注意，第二种方法需要在with tf.Session() as sess:块中运行图，并且需要在每个张量上调用sess.run()来获取它的值。