私は与えられたmnistチュートリアルに従い、モデルを訓練し、その精度を評価することができました。しかし、チュートリアルでは、モデルを使って予測を行う方法は示されていません。私は正確さには関心がありません、私はちょうど新しい例を予測するためにモデルを使用したいと思います。結果には、割り当てられたスコア(ソートされているかどうか)を持つすべての結果(ラベル)が表示されます。 「Deep MNIST for Experts」の例ではTensorFlowモデルで予測する
答えて
、この行を参照してください。私たちは、今、私たちの回帰モデルを実装することができます
を。それは1行しかかかりません! ベクトル化された入力画像xに重み行列Wを掛け、 バイアスbを加え、各クラス に割り当てられたsoftmax確率を計算します。
y = tf.nn.softmax(tf.matmul(x,W) + b)
ただ、ノードyを引っ張ると、あなたが欲しいものがあるでしょう。
feed_dict = {x: [your_image]}
classification = tf.run(y, feed_dict)
print classification
これは、あなたが作成するほぼすべてのモデルに適用されます。損失を計算する前の最後のステップの1つとして予測確率を計算します。
この提案をconvnetの例( 'y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop、W_fc2)+ b_fc2)')でテストすると、私はget '無効な引数:プレースホルダのテンソル 'Placeholder_2'の値をdtype float'で指定しなければなりません。これはうまく動作する単純なsoftmaxの例です。 –
自分のコメントに答えることができます:convnetの例feed_dict = {x:[your_image]、keep_prob:1.0} ' –
あなたのコードの出力は[FalseのようなものになりますTrue False ...、True False True]、しかしこれを[3 1 3 ...、1 5 1]に変換したいのですが、これはFalseではなくクラスラベルを間違っています。 –
@dgaが示唆しているように、既に予測されたモデルを使用してデータの新しいインスタンスを実行する必要があります。ここで
は一例です:
あなたが(:y = tf.nn.softmax(tf.matmul(x, W) + b)
モデルがこれです)最初のチュートリアルかかわらず行ってきましたし、モデルの精度を算出したとします。これで、モデルを取得し、新しいデータポイントをそのモデルに適用します。次のコードでは、ベクトルを計算し、最大値の位置を取得します。画像を表示し、その最大位置を印刷します。
from matplotlib import pyplot as plt
from random import randint
num = randint(0, mnist.test.images.shape[0])
img = mnist.test.images[num]
classification = sess.run(tf.argmax(y, 1), feed_dict={x: [img]})
plt.imshow(img.reshape(28, 28), cmap=plt.cm.binary)
plt.show()
print 'NN predicted', classification[0]
- 1. SARIMAXモデル予測外予測
- 2. TensorFlow - 予測できない
- 3. Tensorflow Slimモデルを復元して予測する
- 4. TensorFlow訓練モデルは常にゼロを予測する
- 5. Tensorflowモデルを復元して予測する
- 6. TensorFlowオブジェクト検出APIモデルを予測時に使用する
- 7. Tensorflow:予測値を得る
- 8. Tensorflow Estimatorでディープワイドモデルを予測する
- 9. 予測モデルが先日予測 - スライディングウィンドウ
- 10. Tensorflow、予測値の確率?
- 11. TensorFlow印刷の予測
- 12. TensorFlowの正弦波予測
- 13. Tensorflow回帰モデルと同じ予測を毎回与え
- 14. Tensorflowの2層訓練神経モデルの予測
- 15. TensorFlow - 異なるテストデータセットで訓練されたモデルを予測する方法は?
- 16. h2o.randomForestで予測したモデル
- 17. Tensorflowは常に0を予測する
- 18. TensorFlowで訓練されたモデルとC APIを使用して予測する
- 19. 回帰モデルで予測する方法
- 20. Tensorflowによるトレーニングと予測
- 21. 訓練されたTensorflowモデルを使用して予測する方法
- 22. lmerモデルの予測(?)値
- 23. クリック収益予測モデル
- 24. Kerasモデルの予測が失敗する
- 25. Tensorflowでどうやって予測するのですか?
- 26. TensorflowのInceptionV3を使用した予測
- 27. Tensorflow次の単語の予測バグ
- 28. Tensorflowで予測を印刷するには
- 29. トレーニングのTensorFlowで合計を予測する
- 30. 単純なTensorflowのfrozen_model.pbファイルをインポートし、C++で予測する
番号を描画し、独自のデータでモデルをテストできるリポジトリを作成しました。 https://github.com/EddieOne/mnist-live-testそれは指示が付属していません。私はしかし、高レベルの概要でビデオを作った。 https://www.youtube.com/watch?v=pudJU-cDkMo – Eddie