如何在Tensorflow中预测未标记的图像

Question

我一直在浏览几篇Tensorflow教程，并且在使用模型进行了训练/测试之后，还没有看到任何有关使用模型的内容。我通过计算器看了看，发现不喜欢here

工作了我，所以我正在使用的代码here与我改变了代码，所以我可以尝试运行的预测，而不是事后的会议闭幕除外几个解决方案。对于预测，我只是使用一个测试样本，但试图在没有给出标签的情况下完成。我想看看什么课程是预测的。

# Launch the graph 
#with tf.Session() as sess: 
sess = tf.Session() 
sess.run(init) 
step = 1 
# Keep training until reach max iterations 
while step * batch_size < training_iters: 
    batch_x, batch_y = mnist.train.next_batch(batch_size) 
    # Run optimization op (backprop) 
    sess.run(optimizer, feed_dict={x: batch_x, y: batch_y, 
           keep_prob: dropout}) 
    if step % display_step == 0: 
     # Calculate batch loss and accuracy 
     loss, acc = sess.run([cost, accuracy], feed_dict={x: batch_x, 
                 y: batch_y, 
                 keep_prob: 1.}) 
     print("Iter " + str(step*batch_size) + ", Minibatch Loss= " + \ 
      "{:.6f}".format(loss) + ", Training Accuracy= " + \ 
      "{:.5f}".format(acc)) 
    step += 1 
print("Optimization Finished!") 

# Calculate accuracy for 256 mnist test images 
print("Testing Accuracy:", \ 
    sess.run(accuracy, feed_dict={x: mnist.test.images[:256], 
            y: mnist.test.labels[:256], 
            keep_prob: 1.})) 

从我上面列出的我应该可以做这样的事情

print(tf.run(pred, feed_dict={x: mnist.test.images[0]})) 

虽然它看起来像作为tensorflow是说有没有运行该功能已被删除堆栈溢出页。在同一页的注释建议这样做

print(pred.eval(feed_dict={x: mnist.test.images[0]})) 

，但我发现这个错误

ValueError: Cannot evaluate tensor using `eval()`: No default session is registered. Use `with sess.as_default()` or pass an explicit session to  `eval(session=sess)` 

有了这个，我发现我需要运行哪些上面说过，但我发现一个问题，张量是不正确的大小

with sess.as_default(): 
    print(pred.eval(feed_dict={x: mnist.test.images[0]})) 

ValueError: Cannot feed value of shape (784,) for Tensor 'Placeholder:0', which has shape '(?, 784)' 

因此，从这里看起来像数据没有正确对齐？我试过使用重塑没有成功。如果任何人都可以将我指向正确的方向，那么我可以弄清楚如何实际使用我的模型来获得很好的应用程序。

编辑：这是一个更简单的程序。我有同样的问题

from tensorflow.examples.tutorials.mnist import input_data 
mnist = input_data.read_data_sets('MNIST_data', one_hot=True) 

import tensorflow as tf 
sess = tf.InteractiveSession() 

x = tf.placeholder(tf.float32, shape=[None, 784]) 
y_ = tf.placeholder(tf.float32, shape=[None, 10]) 

W = tf.Variable(tf.zeros([784,10])) 
b = tf.Variable(tf.zeros([10])) 

sess.run(tf.global_variables_initializer()) 

y = tf.matmul(x,W) + b 

cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y, y_)) 

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) 

for i in range(1000): 
    batch = mnist.train.next_batch(100) 
    train_step.run(feed_dict={x: batch[0], y_: batch[1]}) 

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
print(accuracy.eval(feed_dict={x: mnist.test.images, y_: mnist.test.labels})) 
y.eval(feed_dict={x: mnist.test.images[0]}) 

我得到了同样的问题如上

ValueError: Cannot feed value of shape (784,) for Tensor 'Placeholder:0', which has shape '(?, 784)' 

Answer 1

您的笔记本电脑的链接是本地链路，所以没有人能看到它。此外，你错过了一些代码。 “y”的定义在哪里？

所有你需要做的就是评估y，例如：y.eval（feed_dict = {x：NEW_DATA}）