我正在使用TF.LEARN和mnist数据。我以0.96的准确度训练了我的神经网络，但现在我不太确定如何预测一个值。获取有关预测MNIST数据集的奇怪值

这里是我的代码..

#getting mnist data to a zip in the computer. 
mnist.SOURCE_URL = 'https://web.archive.org/web/20160117040036/http://yann.lecun.com/exdb/mnist/' 
trainX, trainY, testX, testY = mnist.load_data(one_hot=True) 


# Define the neural network 
def build_model(): 
    # This resets all parameters and variables 
    tf.reset_default_graph() 
    net = tflearn.input_data([None, 784]) 
    net = tflearn.fully_connected(net, 100, activation='ReLU') 
    net = tflearn.fully_connected(net, 10, activation='softmax') 
    net = tflearn.regression(net, optimizer='sgd', learning_rate=0.1, loss='categorical_crossentropy') 
    # This model assumes that your network is named "net"  
    model = tflearn.DNN(net) 
    return model 

# Build the model 
model = build_model() 

model.fit(trainX, trainY, validation_set=0.1, show_metric=True, batch_size=100, n_epoch=8) 

#Here is the problem 
#lets say I want to predict what my neural network will reply back if I put back the send value from my trainX

the value of trainX[2] is 4

pred = model.predict([trainX[2]]) 
print(pred) 
#What I get is 
[[2.6109733880730346e-05, 4.549271125142695e-06, 1.8098366126650944e-05, 0.003199575003236532, 0.20630565285682678, 0.0003870908112730831, 4.902480941382237e-05, 0.006617342587560415, 0.018498118966817856, 0.764894425868988]]

我要的是 - > 4

的问题是，我不知道如何使用此功能预测并放入trainX值以获得预测。

来源

2017-04-02 Masnad Nihit

张量流的预测给你一个概率输出。从pred获得最大概率的标签就足以获得网络的成熟度。

pred = np.argmax(pred, axis=1)

在这种情况下是不是4，但9

凡np是numpy的模块导入为import numpy as np，但随时与tf.argmax(pred, 1)来取代它使用tensorflow的argmax来代替。

来源

2017-04-02 19:42:37

我做这个预解码= model.predict（[trainX [5]）打印（np.argmax（预解码））得到了答案，但谢谢你告诉我关于tf.argmax（预解码，1） –

我想我不清楚我的问题，我只是想知道如何计算索引号，这基本上是通过使用np.argmax ...对不起，混乱。我非常感谢答案！ –

@MasnadNihit如果你只有一个预测，那么'np.argmax'适合你。如果你有多个，那么你需要'np.argmax（pred，1）'来同时获得所有预测的所有索引。 –

你得到一个9，这是相当类似于4

什么model.predict回报是得分，虽然结果数组中的第五值（第五值是4，因为它开始一个零）得到一个相对较高的分数（0.26秒高） - 你的模型给最后一位数字（9）最高分数0.76。这只意味着你的分类器在这里有点不对劲 - 所以你应该考虑使用不同的分类器或者使用超参数。

来源

2017-04-02 19:44:45

谢谢你benieve！我找出了问题所在。这里是我的问题的最终解决方案 pred = model.predict（[trainX [5]]） print（np.argmax（pred）） –

@benieve，我想我不清楚我的问题，我只是想知道如何计算索引号，这基本上是通过使用np.argmax ...对不起，造成混乱。我非常感谢答案！ –

获取有关预测MNIST数据集的奇怪值

我要的是 - > 4

回答

相关问题