Question

我正在使用TensorFlow学习ML，然后我有一个简单的MNIST模型。

这是模型代码，遵循官方教程

import tensorflow as tf
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
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)
sess = tf.InteractiveSession()
tf.global_variables_initializer().run()
for _ 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}))

现在，我想通过传递数字图像来练习这个模型。所以，问题是如何（在Python中）定义要加载到图像中的变量（.bmp，.jpg， .png等）。我的想法是首先使用我的计算机中的本地文件进行练习，然后才能使用 从客户端发送图像数据（据推测，通过REST API方式通过JSON）到模型显示关于图像中出现哪个数字的预测。

Answer 1

使用Python PIL包加载图像：

from PIL import Image
im = Image.open("bride.jpg")

将它转换为numpy数组，传递给tensorflow的所有内容都必须采用numpy格式：

import numpy as np
img3d = np.array(im)

这些图像目前已成型[28,28]或[28,28,1]，重塑为784：

img_flat = np.reshape(img3d, (1, 784))

您需要批量处理其中的一些，使用tf.vstack将它们组合在一起。

定义变量以加载MNIST图像应用程序

1 个答案: