TensorFlow中对常量张量执行Argmax函数无法输出预期值

嘿，我来帮你理清这个问题～你遇到的核心问题是混淆了TensorFlow的计算图节点（张量对象）和实际运行后的数值结果，咱们一步步拆解：

问题原因分析 #

你的代码里，先通过sess.run(vector)拿到了numpy数组v，接着用tf.argmax(v,1)创建了一个新的张量argm——但这个argm只是TensorFlow计算图里的一个待执行节点，你没有在会话中运行它，直接打印的话，输出自然是这个张量的元信息（名称、形状、数据类型），而不是你想要的最大值索引结果。

另外补充个小细节：你预期的[4,7,8]是子数组的最大值本身，但tf.argmax返回的是最大值的索引（从0开始），所以正确的索引结果应该是[3,3,1]，对应每个子数组里的4、7、9的位置～

两种修正方案 #

方案一：直接在TensorFlow张量上操作，统一在会话中运行 #

既然已经用TensorFlow构建计算图，没必要先把张量转成numpy数组，直接在张量上调用tf.argmax，然后在会话中运行这个操作就能得到结果：

import tensorflow as tf
vector = tf.constant([[1,2,3,4],[4,5,6,7],[8,9,1,2]],tf.int32,name="vector")
argm = tf.argmax(vector, 1)  # 直接对TensorFlow张量操作
with tf.Session() as sess:
    print(sess.run(argm))  # 在会话中运行argm节点，得到实际数值

方案二：用numpy处理已获取的数组 #

如果你已经通过sess.run拿到了numpy数组v，其实可以直接用numpy的argmax函数来计算，不用再创建TensorFlow张量：

import tensorflow as tf
import numpy as np
vector = tf.constant([[1,2,3,4],[4,5,6,7],[8,9,1,2]],tf.int32,name="vector")
with tf.Session() as sess:
    v = sess.run(vector)
    argm = np.argmax(v, axis=1)  # 使用numpy的argmax处理数组
    print(argm)

额外小提示 #

你用的是TensorFlow 1.x的计算图模式，所有操作都需要在tf.Session()中运行才能得到实际数值；如果是TensorFlow 2.x，默认开启eager执行模式，不需要会话就能直接得到结果，写法会更简洁。

内容的提问来源于stack exchange，提问作者Jpmarulandas