zbl430

tensorflow mnist 入门中如何使用学习的结果来进行辨认图片?

  •  
  •   zbl430 · Jun 28, 2017 · 5386 views
    This topic created in 3419 days ago, the information mentioned may be changed or developed.
    accuracy.eval(session=sess,feed_dict={x: mnist.test.images, y_: mnist.test.labels, keep_prob: 1.0}))
    

    只是显示了准确率,怎么才能自己输入图片然后识别出结果??

    16 replies  •  2018-03-13 16:40:03 +08:00
    st2udio
    st2udio
    Jun 28, 2017
    1
    保存模型,直接输入一张图不就好了
    dsphper
    dsphper
    Jun 28, 2017
    2
    同问
    dsphper
    dsphper
    Jun 28, 2017
    3
    同问!
    sqxu
    sqxu
    Jun 28, 2017
    4
    mnist 那个训练集,是28*28像素。而且图片不是 rgb,你要测试你自己的数据的话图片要预处理。我感觉这个模型不好。我试了一下最好的结果 0.98 .准备考试结束之后用 cnn 做一个 demo。
    minvacai
    minvacai
    Jun 28, 2017 via Android
    5
    @sqxu 网上好些教程都没有如何自己预处理数据的部分,做完该茫然还是茫然 233
    zbl430
    zbl430
    OP
    Jun 29, 2017
    6
    @st2udio 我刚刚接触 tf,想问下如何保存模型
    zbl430
    zbl430
    OP
    Jun 29, 2017
    7
    @sqxu 我就是不知道自己的数据处理后如何输入进去进行识别
    Revenant
    Revenant
    Jun 29, 2017
    8
    使用 tf.train.Saver 加载和保存模型
    至于如何使用,重点在如何计算 loss 的代码
    你理解了那部分代码就知道怎么用了
    zbl430
    zbl430
    OP
    Jun 29, 2017
    9
    @Revenant 好的,我先试一试
    fitbit
    fitbit
    Jun 29, 2017
    10
    训练集、验证集啥的都用自己的?工作量有点大,而且完全没必要
    zbl430
    zbl430
    OP
    Jun 29, 2017
    11
    @fl2d 因为是刚刚学习,觉得从头开始还是有必要的
    st2udio
    st2udio
    Jun 29, 2017
    12
    loss 用来求最优结果时候用的,训练的时候用,你可以看到他有准确率的计算。你要算,就是把图直接输入,算准确率就好了。不用再理会 loss
    zbl430
    zbl430
    OP
    Jun 29, 2017
    13
    @st2udio 好的,麻烦你了,我多研究研究
    zbl430
    zbl430
    OP
    Jun 29, 2017
    14
    @st2udio 我现在是再看 MNIST 入门这个例程,然后我在训练完后 save 了,之后我也把图片处理成了 784 位的 0,1 值,可是不知道如何将两者联系起来?搞了一天了
    huweic
    huweic
    Mar 13, 2018
    15
    楼主后来搞定了吗,两次都被带到这个链接里来了
    About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Privacy   ·   Solana   ·   1571 Online   Highest 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 40ms · UTC 07:50 · PVG 15:50 · LAX 23:50 · JFK 02:50
    ♥ Do have faith in what you're doing.