Tensorflowのモデルが動作していません何が起こっているのかわからないコードのレビューが必要です。

Question

自分のデータの深いmnistコードを変更しています。私は少しモデルを修正しましたが、私はモデルを1つずつモデルに渡すようないくつかの基本的な問題に直面していますが、それは速く走りますが、モデルをすべて渡すと、モデルが実際に遅くなり、親切に私のコードを見直す私はひどく間違って何かをやっているが、私はそれを正しいものにするためにどこにどのステップを従わせるべきかわからない。

はここにここに私のモデルの呼び出しfucntionある私のモデル

def deepnn(x): 
"""deepnn builds the graph for a deep net for classifying digits. 
Args: 
x: an input tensor with the dimensions (N_examples, 784), where 784 is the 
number of pixels in a standard MNIST image. 
Returns: 
A tuple (y, keep_prob). y is a tensor of shape (N_examples, 10), with values 
equal to the logits of classifying the digit into one of 10 classes (the 
digits 0-9). keep_prob is a scalar placeholder for the probability of 
dropout. 
""" 

x_image = tf.reshape(x, [-1, 28, 28, 1]) 


W_conv1 = weight_variable([5, 5, 1, 200]) 
b_conv1 = bias_variable([200]) 
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) 


h_pool1 = max_pool_2x2(h_conv1) 


W_conv2 = weight_variable([5, 5, 200, 100]) 
b_conv2 = bias_variable([100]) 
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2) 

h_pool2 = max_pool_2x2(h_conv2) 



W_fc1 = weight_variable([7 * 7 * 100, 1024]) 
b_fc1 = bias_variable([1024]) 

h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*100]) 
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1) 


keep_prob = tf.placeholder(tf.float32) 
h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob) 
W_fc2 = weight_variable([1024, 19]) 
b_fc2 = bias_variable([19]) 

y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2 
return y_conv, keep_prob 

です。

def conv2d(x, W): 
"""conv2d returns a 2d convolution layer with full stride.""" 
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME') 


def max_pool_2x2(x): 
"""max_pool_2x2 downsamples a feature map by 2X.""" 
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], 
        strides=[1, 2, 2, 1], padding='SAME') 


def weight_variable(shape): 
"""weight_variable generates a weight variable of a given shape.""" 
initial = tf.truncated_normal(shape, stddev=0.1) 
return tf.Variable(initial) 


def bias_variable(shape): 
"""bias_variable generates a bias variable of a given shape.""" 
initial = tf.constant(0.1, shape=shape) 
return tf.Variable(initial) 

、これが私のメイン

def main(_): 

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

y_ = tf.placeholder(tf.float32, [None, 19]) 
y_conv, keep_prob = deepnn(x) 

cross_entropy tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y_conv)) 
train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) 
correct_prediction = tf.equal(tf.argmax(y_conv, 1), tf.argmax(y_, 1)) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 

with tf.Session() as sess: 
     sess.run(tf.global_variables_initializer()) 
     for i in range(34670): 
      #batch = mnist.train.next_batch(50) 
      if i % 1000 == 0: 
       train_accuracy = accuracy.eval(feed_dict={x:  np.reshape(input_to_nn(i),(-1,784)), y_:np.reshape(output_of_nn(i),(-1,19)), keep_prob: 1.0}) 
       print('step %d, training accuracy %g' % (i, train_accuracy)) 
     train_step.run(feed_dict={x: np.reshape(input_to_nn(i),(-1,784)), y_:np.reshape(output_of_nn(i),(-1,19)), keep_prob: 0.5}) 

     print('test accuracy %g' % accuracy.eval(feed_dict={x:input_nn, y_:output_nn, keep_prob: 1.0})) 

Answer 1

である私はこの問題は、これらの行にあることを考える：

W_fc2 = weight_variable([1024, 19]) 
b_fc2 = bias_variable([19]) 

あなたのモデルは、19回のクラスを予測する列車。通常は10桁ですが、実際に19クラスの画像がない場合は元の値に戻す方が良いでしょう。