如何准备MNIST格式的图像数据集

Question

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