Question

我刚刚开始使用张量流，我想在张图流tutorial上测试我自己的图像中训练过的模型。这是我用来在我自己的图像教程开始时测试Softmax回归模型的代码：

with open("three.jpeg", "rb") as f:
    contents = f.read()

image = tf.image.decode_jpeg(contents, channels=1)
image_float = tf.image.convert_image_dtype(image, tf.float32)
resized_image = tf.image.resize_images(image_float, [28, 28])
resized_image = tf.reshape(resized_image, [784])

img = 1 - resized_image.eval() 

classification = sess.run(tf.argmax(y, 1), feed_dict={x: [img]})
plt.imshow(img.reshape(28, 28), cmap=plt.cm.binary)
plt.show()
print ('NN predicted', classification[0])

这适用于softmax功能，但不适用于多层卷积网络。我尝试在此行中更改y

classification = sess.run(tf.argmax(y, 1), feed_dict={x: [img]})

到y_conv，但它给了我这个错误：

InvalidArgumentError：您必须为占位符张量提供值＆＃39; Placeholder_2＆＃39;用dtype float [[Node：Placeholder_2 = Placeholderdtype = DT_FLOAT，shape =， _device =＆＃34; /作业：本地主机/复制：0 /任务：0 / CPU：0＆＃34;]]

Answer 1

图表中的某处有一个占位符，您没有进食。赔率是你的feed_dict中需要另一个x，对于另一个网络。

如何在单个图像上测试Deep MNIST for Experts代码？

1 个答案: