Question

我正在阅读tensorflow教程 - https://www.tensorflow.org/versions/r0.9/tutorials/mnist/beginners/index.html

import tensorflow as tf
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]))    #weights
b = tf.Variable(tf.zeros([10]))         #bias   
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})
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

最后，我们将测试数据传递给占位符。 y_是包含真值的矩阵。 y是具有预测值的矩阵。我的问题是什么时候计算测试数据。 W矩阵已通过反向传播进行训练。但是这个训练过的矩阵必须乘以新的输入x（测试数据）来给出预测y。这发生在哪里？

通常我已经看到了代码的顺序执行，并且在最后几行中，y没有被明确调用。

Answer 1

accuracy取决于取决于correct_prediction的{{1}}。

因此，当您致电y时，sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})会在计算y之前计算出来。所有这些都发生在TensorFlow图中。

TensorFlow图表是列车和测试的相同。唯一的区别是您向占位符accuracy和x提供的数据。

Answer 2

这里计算

y：

y = tf.nn.softmax(tf.matmul(x, W) + b) # Line 7

具体你要找的是：

tf.matmul(x, W) + b

输出通过softmax函数来识别类。

这是通过图表在1000次传递中的每一次计算，每次变量W和b由GradientDescent更新，并计算y并与{{1}进行比较确定损失。

在tensorflow教程中计算测试数据

2 个答案: