我已经使用此mnist_3.1_convolutional_bigger_dropout.py中提供的脚本tutorial在MNIST
数据集上训练了神经网络模型。
我想在自定义数据集上测试经过训练的模型,因此我编写了一个小脚本predict.py
,该脚本加载了经过训练的模型并将数据提供给它。但这不起作用。
我相信仅将图像调整为28x28
是不够的,还必须进行一些其他预处理才能使其与MNIST
标准兼容。
这是我为测试而编写的脚本
predict.py
from scipy.misc import imread
import tensorflow as tf
import numpy as np
import cv2 as cv
import glob
files = glob.glob('data2/*.*')
dig_cont = [cv.imread(fl, 0) for fl in files]
img_data = []
for i in range(len(dig_cont)):
img = cv.resize(dig_cont[i], (28, 28))
img = img.reshape(img.shape[0], img.shape[1], 1)
img_data.append(img)
print("Restoring Model ...")
sess = tf.Session()
tf_saver = tf.train.import_meta_graph('model/model.meta')
tf_saver.restore(sess, tf.train.latest_checkpoint('model'))
print("Model restored")
x = tf.get_default_graph().get_tensor_by_name('X:0')
print('x :', x.shape)
y = tf.get_default_graph().get_tensor_by_name('Y:0')
print('y :', y.shape)
dict_data = {x: img_data}
result = sess.run(y, feed_dict=dict_data)
print(result)
sess.close()
可以找到详细的错误报告here