为何TensorFlow中one_hot编码的结果值出现加倍情况？

我一眼就看出问题所在啦——你最后查看的是加法后的张量b，而不是你最初生成的独热编码张量a！咱们一步步拆解：

首先看你的代码：

import tensorflow as tf
sess = tf.InteractiveSession()
# Some tensor we want to print the value of
a = tf.one_hot(1,5)
# Add print operation
a = tf.Print(a, [a], message = "This is a: ")
# Add more elements of the graph using a
b = tf.add(a, a)
b.eval()

1. 你用tf.one_hot(1,5)生成的a确实是你期望的结果：

   array([0., 1., 0., 0., 0.], dtype=float32)
   

   这部分完全没问题。
2. tf.Print(a, [a], message = "This is a: ")只是给a附加了一个打印操作，但它会原样返回输入的张量a，所以这里的a还是原来的独热编码。
3. 然后你做了b = tf.add(a, a)，这相当于把a和自己相加，也就是a * 2，那b的值自然就是[0., 2., 0., 0., 0.]了。
4. 最后你调用b.eval()，获取的是b的取值，所以得到的就是这个两倍的结果。

怎么看到你想要的a的结果？ #

有两个办法：

• 直接评估a：把最后一行改成a.eval()，或者在b.eval()之前加一句print(a.eval())，这样就能在控制台看到a的原始值。
• 查看tf.Print的输出：tf.Print的内容是打印到**标准错误流（stderr）**里的，不是普通的控制台输出，你运行代码时留意这个位置的信息，就能看到它打印的This is a: [0 1 0 0 0]之类的内容。

另外提一句：在TensorFlow 1.x的交互式会话中，tf.Print是图中的一个操作，只有当依赖它的张量被评估时才会执行——这里因为b依赖a，所以b.eval()会触发tf.Print运行，只是它的输出不在你默认查看的标准输出里。

内容的提问来源于stack exchange，提问作者AzureIP