>
제목에서 알 수 있듯이 TensorFlow 모델에서 실제 예측을 얻으려고합니다. 문제는 이미 여러 대답이 있지만 예측을 얻는 방법을 이해할 수 없다는 것입니다. 나는 pred.eval 또는 세션 기능에 필요한 데이터를 이해하지 못했고 여기 누군가가 그것을 설명 할 수 있기를 바랐습니다.

사용중인 코드는 다음과 같습니다.

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import numpy as np
import tensorflow as tf
import matplotlib as plt
tf.logging.set_verbosity(tf.logging.INFO)

def cnn_model_fn(features, labels, mode):
    input_layer=tf.reshape(features["x"], [-1, 28, 28, 1])
    conv1=tf.layers.conv2d(
        inputs=input_layer,
        filters=32,
        kernel_size=[5, 5],
        padding="same",
        activation=tf.nn.relu
    )
    pool1=tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)
    conv2=tf.layers.conv2d(
        inputs=pool1,
        filters=64,
        kernel_size=[5, 5],
        padding="same",
        activation=tf.nn.relu
    )
    pool2=tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)
    pool2_flat=tf.reshape(pool2, [-1, 7*7*64])
    dense=tf.layers.dense(inputs=pool2_flat, units=1024, activation=tf.nn.relu)
    dropout=tf.layers.dropout(
        inputs=dense, rate=0.4, training=mode == tf.estimator.ModeKeys.TRAIN
    )
    logits=tf.layers.dense(inputs=dropout, units=10)
    tf.argmax(input=logits, axis=1)
    tf.nn.softmax(logits, name="softmax_tensor")
    predictions = {
        "classes": tf.argmax(input=logits, axis=1),
        "probabilities": tf.nn.softmax(logits, name="softmax_tensor")
    }
    if mode == tf.estimator.ModeKeys.PREDICT:
        return tf.estimator.EstimatorSpec(mode=mode, predictions=predictions)
    loss=tf.losses.sparse_softmax_cross_entropy(labels=labels, logits=logits)
    if mode == tf.estimator.ModeKeys.TRAIN:
        optimizer=tf.train.GradientDescentOptimizer(learning_rate=0.001)
        train_op=optimizer.minimize(
            loss=loss,
            global_step=tf.train.get_global_step()
        )
        return tf.estimator.EstimatorSpec(mode=mode, loss=loss, train_op=train_op)
    eval_metric_ops = {
        "accuracy": tf.metrics.accuracy(
            labels=labels, predictions=predictions["classes"])}
    return tf.estimator.EstimatorSpec(
        mode=mode, loss=loss, eval_metric_ops=eval_metric_ops)

def main(unused_argv):
    mnist=tf.contrib.learn.datasets.load_dataset("mnist")
    train_data=mnist.train.images
    train_labels=np.asarray(mnist.train.labels, dtype=np.int32)
    eval_data=mnist.test.images
    eval_labels=np.asarray(mnist.test.labels, dtype=np.int32)
    mnist_classifier=tf.estimator.Estimator(
        model_fn=cnn_model_fn, model_dir="/tmp/mnist_convnet_model"
    )
    tensors_to_log={"probabilities": "softmax_tensor"}
    logging_hook=tf.train.LoggingTensorHook(tensors=tensors_to_log, every_n_iter=50)
    train_input_fn=tf.estimator.inputs.numpy_input_fn(
        x={"x": train_data},
        y=train_labels,
        batch_size=100,
        num_epochs=None,
        shuffle=True
    )
    mnist_classifier.train(
        input_fn=train_input_fn,
        steps=20000,
        hooks=[logging_hook]
    )
    eval_input_fn=tf.estimator.inputs.numpy_input_fn(
        x={"x": eval_data},
        y=eval_labels,
        num_epochs=1,
        shuffle=False
    )
    eval_results=mnist_classifier.evaluate(input_fn=eval_input_fn)
    print(eval_results)
if __name__ == "__main__":
    tf.app.run()`

이 상황에서 어떻게해야합니까?

어떤 조언이라도 감사하며 미리 감사드립니다

  • 답변 # 1

    예측을 구하려는 입력 데이터를 predict_data 라고 가정합니다.  (여기서 train_data 를 사용할 수 있습니다  또는 eval_data  관심이 있다면)

    pred_input_fn = tf.estimator.inputs.numpy_input_fn(x={'x': predict_data}, shuffle=False)
    predictor = list(mnist_classifier.predict(pred_input_fn))
    
    

    이 시점에서 predictor   'classes' 를 맵핑하는 사전 목록입니다.  예상 클래스와 'probabilities'  관련 확률. 이 결과에서 얻을 수있는 결과는 정확히 predictions 로 지정한 결과입니다.  와이즈 비즈 .

    cnn_model_fn

  • 이전 angular - formControlName에 할당 된 개체에 추가 속성을 추가하는 방법
  • 다음 r - ggplot2의 그룹화 된 막대 차트