Question

我是Tensorflow的新手。我通过这个例子完成了MNIST培训

steps = 5000

with tf.Session() as sess:

    sess.run(init)

    for i in range(steps):

       batch_x , batch_y = mnist.train.next_batch(50)

       sess.run(train,feed_dict={x:batch_x,y_true:batch_y,hold_prob:0.5})

       # PRINT OUT A MESSAGE EVERY 100 STEPS
       if i%100 == 0:

          print('Currently on step {}'.format(i))
          print('Accuracy is:')
          # Test the Train Model
          matches = tf.equal(tf.argmax(y_pred,1),tf.argmax(y_true,1))

          acc = tf.reduce_mean(tf.cast(matches,tf.float32))

          print(sess.run(acc,feed_dict=
              {x:mnist.test.images,y_true:mnist.test.labels,hold_prob:1.0}))
          print('\n')

现在我想通过这个模型进行预测。我用这些代码行打开并处理图像。

 image = cv2.imread("Untitled.jpg")
 image = np.multiply(image, 1.0/255.0)
 images=tf.reshape(image,[-1,28,28,1])

当我使用它时：

   feed_dict1 = {x: images}
   classification = sess.run(y_pred, feed_dict1)
   print (classification)

它会返回此错误。

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, numpy ndarrays, or TensorHandles.

Answer 1

您尝试将tf-object输入占位符：

images = tf.reshape(image,[-1,28,28,1])

但是你不能这样做，因为占位符需要例如np.array的数字。因此，请使用numpy.reshape代替tf.reshape。第二个你可以在你的会话内使用。例如，您可以将平面数组提供给占位符，然后在会话内部创建一个节点，将该数组重新整形为2D矩阵。

我如何使用我的mnist训练模型来预测图像

1 个答案: