我正在讨论MNIST初学者教程（http://www.tensorflow.org/tutorials/mnist/beginners/index.html）并尝试从correct_prediction tensor对象中获取准确预测值的布尔列表。我发现这令人困惑。
根据教程
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))支持给我们一个布尔列表：
这给了我们一个布尔列表。确定分数是多少 更正，我们转换为浮点数然后取平均数。对于 例如，[True，False，True，True]将变为[1,0,1,1] 变成0.75。
但是，尝试correct_prediction[0]会给我们<tensorflow.python.framework.ops.Tensor at 0x111a404d0>。
type(correct_prediction)向我们提供的tensorflow.python.framework.ops.Tensor不是列表。致电dir()查看方法，然后correct_prediction.__getitem__(0)给我们<tensorflow.python.framework.ops.Tensor at 0x111386f50>。
如何访问预测的布尔值列表以及y，W和b的值？是否应该从tf.Session以某种方式访问它们？
非常感谢！
答案 0 :(得分：2)
张量变量实际上描述了为了获得您感兴趣的值而必须执行的计算。
换句话说，用correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))定义的张量不包含布尔值列表，它包含在张量流图中计算它的指令。为了获得实际值，您需要告诉tensorflow在图中计算它。
首先，您需要一个tf.Session变量。在交互式shell中进行测试的一种简单方法是sess = tf.InteractiveSession()，然后是变量初始化：sess.run(tf.initialize_all_variables())。
然后，您可以调用sess.run(tensor_variable)来计算给定张量（或它们的列表）的值。如果您的张量在他们的计算中包含占位符（他们通常会这样做），您还必须提供一个提要词典。这在教程中有所体现。
您也可以从张量调用session.run()方法，而不是.eval()。这还需要存在默认会话。