Question

我正在尝试使用带有softmax的CIFAR 100数据集构建完全连接的层，并打印精度，学习曲线和最终结果-图片及其真实标签和预测标签。我有以下代码用于mnist数据集，我面临的问题是如何对数据集应用相同的内容，我将尝试在下面解释我的问题：

      #initialization
    X=tf.placeholder(tf.float32, [None, 28, 28, 1])
    w=tf.Variable(tf.zeros([784, 10]))
    b=tf.Variable(tf.zeros([10]))
    init=tf.global_variables_initializer()
    #model
    Y=tf.nn.softmax(tf.matmul(tf.reshape(X,[-1, 784]), w)+b)
    #place holder for correct answer
     Y_=tf.placeholder(tf.float32, [None, 10])
    #loss function
     cross_entropy= -tf.reduce_sum(Y_ * tf.log(Y))
     # % of correct answers found in batch
    is_correct=tf.equal(tf.argmax(Y,1), tf.argmax(Y_,1))
    accurancy= tf.reduce_mean(tf.cast(is_correct,tf.float32))
    #training step
    optimizer=tf.train.GradientDescentOptimizer(0.003)
    train_step=optimizer.minimize(cross_entropy)

    sess=tf.Session()
    sess.run(init)
    for i in range(10000):
    #load batch of images and correct answer
       batch_x, batch_Y=mnist.train.next_batch(100)
    train_data={X: batch_x, Y_:batch_y}
     #train
     sess.run(train_step, feed_dict=train_data)

    a,c=sess.run([accurancy, cross_entropy], feed=train_data)

   test_data={X:mnist.test.images, Y_:mnist.test.lables}
   a,c=sess.run([accurancy, cross_entropy], feed=test_data)

我已经下载了CIFAR-100数据集。 CIFAR-100数据集包含60000个32x32彩色图像。它有100个类别，每个类别包含600张图像。每个课程有500张训练图像和100张测试图像。 CIFAR-100中的100个类别分为20个超类。每个图像都带有一个“精细”标签（它所属的类）和一个“粗糙”标签（它所属的超类）。

我只使用了2个超类“水生哺乳动物”和“花”，每个超类都有5个子类

下面是一些代码：

def unpickle(file):
import pickle
with open(file, 'rb') as fo:
    dict = pickle.load(fo, encoding='bytes')
return dict

# loading train data
data = unpickle('train')
train_data, label_train_data = filter_train(data, 5000)
label_train_data = relabel(label_train_data)

# loading test data
data2 = unpickle('test')
test_data, label_test_data = filter_train(data2, 1000)
label_test_data = relabel(label_test_data)

filter_train只是我用来填充“水生哺乳动物”和“花”这两个超类的函数

我知道mnist.train.next_batch（batch_size = 100）意味着它从MNIST数据集中随机选择了100个数据

所以我的问题是如何交换

batch_x, batch_Y=mnist.train.next_batch(100)

和：

  test_data={X:mnist.test.images, Y_:mnist.test.lables}

以便我可以访问我的CIFAR数据集的火车数据和测试数据，我一直想用 train_data，label_train_data和test_data，label_test_data，但是它似乎不起作用，我找不到其他方法来获取这些集合。任何hely都会感激

使用softmax完全连接网络，用于CIFAR100

0 个答案: