Я следую за этот учебник:Как проверить модель в тензорном потоке?
https://www.tensorflow.org/versions/r0.9/tutorials/mnist/beginners/index.html#mnist-for-ml-beginners
То, что я хочу быть в состоянии сделать, это пройти в тестовом изображении х - как Numpy массива, и увидеть полученную SoftMax значение классификации - возможно, другой numpy array. Все, что я могу найти в Интернете о тестировании моделей тензорного потока, работает, передавая тестовые значения и тестовые метки и выводя точность. В моем случае я хочу вывести метки модели только на основе тестовых значений.
Это то, что я пробую: импорт tensorflow в ТФ импорта NumPy как нп из skimage цвета импорта, И.О.
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for i in range(1000):
batch_xs, batch_ys = mnist.train.next_batch(100)
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
#so now its trained successfully, and W and b should be the stored "model"
#now to load in a test image
greyscale_test = color.rgb2gray(io.imread('4.jpeg'))
greyscale_expanded = np.expand_dims(greyscale_test,axis=0) #now shape (1,28,28)
x = np.reshape(greyscale_expanded,(1,784)) #now same dimensions as mnist.train.images
#initialize the variable
init_op = tf.initialize_all_variables()
#run the graph
with tf.Session() as sess:
sess.run(init_op) #execute init_op
print (sess.run(feed_dict={x:x})) #this is pretty much just a shot in the dark. What would go here?
Сейчас это приводит к следующим образом:
TypeError Traceback (most recent call last)
<ipython-input-116-f232a17507fb> in <module>()
36 sess.run(init_op) #execute init_op
---> 37 print (sess.run(feed_dict={x:x})) #this is pretty much just a shot in the dark. What would go here?
TypeError: unhashable type: 'numpy.ndarray'
Итак, когда обучение, sess.run передается train_step и feed_dict. Когда я пытаюсь оценить тензор x, будет ли это идти в фиде? Могу ли я использовать sess.run?(/seems, котор я должен), но что будет train_step? Есть ли «test_step» или «evaluation_step»?
Убрать эту инструкцию печати, потому что ее, вероятно, сбивает с толку. Можете ли вы поместить свой ответ в виде кода? Я не совсем уверен, что вы имеете в виду. – BigBoy1337
print (sess.run (train_step, feed_dict = {x: x y_: some-value})) –
Что будет в этом случае некоторой величиной? Это то, что я пытаюсь предсказать. – BigBoy1337