如何在Tensorflow中预测未标记的图像

时间:2017-02-08 01:36:53

标签: python tensorflow

我一直在阅读几个Tensorflow教程,并且在经过训练/测试之后没有看到任何关于使用模型的内容。我查看了stackoverflow,发现了一些对我不起作用的解决方案,如here

所以我使用代码here,但我更改了代码,因此我可以尝试在之后运行预测而不是会话结束。对于预测,我只是使用测试样本,但尝试在不给出标签的情况下进行测试。我想看看预测了什么课程。

# Launch the graph
#with tf.Session() as sess:
sess = tf.Session()
sess.run(init)
step = 1
# Keep training until reach max iterations
while step * batch_size < training_iters:
    batch_x, batch_y = mnist.train.next_batch(batch_size)
    # Run optimization op (backprop)
    sess.run(optimizer, feed_dict={x: batch_x, y: batch_y,
                               keep_prob: dropout})
    if step % display_step == 0:
        # Calculate batch loss and accuracy
        loss, acc = sess.run([cost, accuracy], feed_dict={x: batch_x,
                                                      y: batch_y,
                                                      keep_prob: 1.})
        print("Iter " + str(step*batch_size) + ", Minibatch Loss= " + \
          "{:.6f}".format(loss) + ", Training Accuracy= " + \
          "{:.5f}".format(acc))
    step += 1
print("Optimization Finished!")

# Calculate accuracy for 256 mnist test images
print("Testing Accuracy:", \
    sess.run(accuracy, feed_dict={x: mnist.test.images[:256],
                                  y: mnist.test.labels[:256],
                                  keep_prob: 1.}))

从我上面列出的堆栈溢出页面,我应该可以做这样的事情

print(tf.run(pred, feed_dict={x: mnist.test.images[0]}))

虽然看起来已经删除了,因为tensorflow说没有运行功能。同一页面中的评论建议这样做

print(pred.eval(feed_dict={x: mnist.test.images[0]}))

但是我收到了这个错误

ValueError: Cannot evaluate tensor using `eval()`: No default session is   registered. Use `with sess.as_default()` or pass an explicit session to     `eval(session=sess)`

有了这个,我发现我需要运行上面所说的但是我的问题是张量是不正确的大小

with sess.as_default():
    print(pred.eval(feed_dict={x: mnist.test.images[0]}))

ValueError: Cannot feed value of shape (784,) for Tensor 'Placeholder:0', which has shape '(?, 784)'

所以从这里看起来数据没有正确对齐?我尝试过使用重塑而没有成功。如果有人能指出我正确的方向,那么我可以弄清楚如何将我的模型实际用于那些很棒的应用程序。

编辑:这是一个更简单的程序。我有同样的问题

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)

import tensorflow as tf
sess = tf.InteractiveSession()

x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])

W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

sess.run(tf.global_variables_initializer())

y = tf.matmul(x,W) + b

cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y, y_))

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)

for i in range(1000):
  batch = mnist.train.next_batch(100)
  train_step.run(feed_dict={x: batch[0], y_: batch[1]})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels}))
y.eval(feed_dict={x: mnist.test.images[0]})

我遇到了与上面相同的问题

ValueError: Cannot feed value of shape (784,) for Tensor 'Placeholder:0', which has shape '(?, 784)'

1 个答案:

答案 0 :(得分:0)

指向笔记本的链接是本地链接,因此没有其他人可以看到它。此外,您缺少一些代码。 “y”在哪里定义?

您需要做的就是评估y,例如:y.eval(feed_dict = {x:NEW_DATA})