正文 

当前位置： 首页 > 知识 >

在 MNIST 集上使用 TensorFlow 进行预测的困境

     2023-03-12     72

关键词：

【中文标题】在 MNIST 集上使用 TensorFlow 进行预测的困境【英文标题】：Dillema with prediction with TensorFlow on MNIST set 【发布时间】：2017-10-10 14:03:54 【问题描述】：

目前我是 TensorFlow 的新手，我已经使用 MNIST 集训练了一个模型，现在我制作了一些带有数字的图片，我想尝试测试精度。我想我对 TensorFlow 中的工作原理有一定的语法或理解 这是我的模型：

x = tf.placeholder(tf.float32, shape=[None, 784])
y_ = tf.placeholder(tf.float32, shape=[None, 10])
sess = tf.InteractiveSession()
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial)

def bias_variable(shape):
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial)

#stride 1 and 0 padding
def conv2d(x, W):
    return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

#pooling over 2x2
def max_pool_2x2(x):
    return tf.nn.max_pool(x, ksize=[1, 2, 2, 1],
                    strides=[1, 2, 2, 1], padding='SAME')

W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
x_image = tf.reshape(x, [-1,28,28,1])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1)
h_pool1 = max_pool_2x2(h_conv1)
# Second Layer
W_conv2 = weight_variable([5, 5, 32, 64])
b_conv2 = bias_variable([64])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2) + b_conv2)
h_pool2 = max_pool_2x2(h_conv2)
#Fully connected layer
W_fc1 = weight_variable([7 * 7 * 64, 1024])
b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
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)
#Readout layer
W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])

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

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))
sess.run(tf.global_variables_initializer())
for i in range(200):
   batch = mnist.train.next_batch(50)
   if i%100 == 0:
        train_accuracy = accuracy.eval(feed_dict=
        x:batch[0], y_: batch[1], keep_prob: 1.0)
        print("step %d, training accuracy %g"%(i, train_accuracy))
   train_step.run(feed_dict=x: batch[0], y_: batch[1], keep_prob: 0.5)

# Here is my custom dataset

custom_data=GetDataset()

print sess.run(y_conv,feed_dict=x: custom_data)

使用我的自定义数据进行预测的语法不正确？我在这里遗漏了什么？我的数据与 MNIST 集中的数据格式相同，但我可以找到正确的语法来进行预测：

print sess.run(y_conv,feed_dict=x: custom_data)

非常感谢您的帮助！

【问题讨论】：

【参考方案1】：

y_conv 将为您提供提出建议所需的内容。您可能只是不了解数据在该张量中的形式。

在您的代码中，您有一个损失函数和一个优化器：

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)

请注意，您将y_conv 传递给softmax_cross_encropy_with_logits 方法。 y_conv 在这一点上是一个未缩放的数字。负值代表负类，正值代表正类。

softmax 会将这些转换为所有输出的概率分布。这尤其将所有输出转换为 [0,1] 范围。然后交叉熵计算误差（交叉熵假设值在 [0,1] 范围内）。

如果您使用的是 softmax，那么通常简单地创建另一个实际计算预测的张量：

prediction = tf.softmax(y_conv)

这将为您提供标签上的预测概率分布。只需在您的 sess.run 步骤中请求该张量即可。

如果您只关心最可能的类，那么您可以取y_conv 值中的最大值。另请注意，如果此陈述属实，您可能需要尝试使用tf.nn.sigmoid_cross_entropy_with_logits，它稍微调整以产生非概率分布的结果（对于单类预测稍微好一点，对于多类预测是强制性的）。

【讨论】：

嗨，大卫，感谢您快速而明确的回答。不幸的是，这似乎不是没有工作。我在代码中添加了以下几行：“prediction = tf.nn.softmax(y_conv)”在我的代码中的 sess.run 行之前和“print sess.run(correct_prediction,feed_dict=x: mnist.test.images )” 在最后尝试打印预测，但我收到错误：“InvalidArgumentError（参见上文的回溯）：您必须使用 dtype float [[Node: Placeholder_40 = Placeholder[dtype] 为占位符张量“Placeholder_40”提供一个值=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]" 这是一个不同的问题，你有一个占位符来传递数据，而你没有向它提供数据。首先命名您的占位符，以便错误消息将您指向正确的位置。可能是您的标签在某处被使用。如果您请求的 OP 与占位符无关，则无需提供占位符，但很容易产生您没有注意到的依赖。

tersorflowtutorial_mnist数据集上简单cnn实现

...现觉得有用的话,欢迎一起讨论相互学习~FollowMe参考文献Tensorflow机器学习实战指南源代码请点击下方链接欢迎加星Tesorflow实现基于MNIST数据集上简单CNN少说废话多写代码下载并读取MNIST数据集importmatplotlib.pyplotaspltimportnumpyasnpimportte... 查看详情

在每个示例上使用 tensorflow 获得相同的预测

】在每个示例上使用tensorflow获得相同的预测【英文标题】：Gettingsamepredictionwithtensorflowoneveryexample【发布时间】：2017-12-0306:26:03【问题描述】：我有以下代码，我在MNIST数据集上训练神经网络。然后，通过训练有素的网络，我试... 查看详情

在mnist数据集上应用torchvision.transforms后，如何使用cv2_imshow查看？

】在mnist数据集上应用torchvision.transforms后，如何使用cv2_imshow查看？【英文标题】：Afterapplyingtorchvision.transformsonmnsitdataset,howtoviewitusingcv2_imshow?【发布时间】：2021-08-1907:15:36【问题描述】：我正在尝试在谷歌合作中实现一个简单的... 查看详情

MNIST 数据集上 keras 上的 i-RevNet

...*28输入图像，但我不知道。我能找到的网上资源都是基于tensorflow的。【问题讨论】：【参考方案1】：重要的是这篇论文https://arxiv.o 查看详情

tensorflow训练mnist数据集——卷积神经网络(代码片段)

 　　前面两篇随笔实现的单层神经网络 和多层神经网络， 在MNIST测试集上的正确率分别约为90%和96%。在换用多层神经网络后，正确率已有很大的提升。这次将采用卷积神经网络继续进行测试。 1、模型基本结构　... 查看详情

在 TensorFlow 中使用 LSTM-CGAN 生成 MNIST 数字

】在TensorFlow中使用LSTM-CGAN生成MNIST数字【英文标题】：GeneratingMNISTnumbersusingLSTM-CGANinTensorFlow【发布时间】：2018-08-0418:35:00【问题描述】：受thisarticle的启发，我正在尝试构建一个条件GAN，它将使用LSTM生成MNIST数字。我希望我使用... 查看详情

使用 Keras 和 Tensorflow 下载 mnist 数据

】使用Keras和Tensorflow下载mnist数据【英文标题】：DownloadingofmnistdatausingKerasandTensorflow【发布时间】：2021-12-2606:34:18【问题描述】：我需要下载Mnist数据以便以后使用。我怎样才能做到这一点？我应该在我的设备上安装Python吗？我... 查看详情

MNIST 数据集上的 NuPIC

】MNIST数据集上的NuPIC【英文标题】：NuPIConMNISTDataset【发布时间】：2014-12-0211:48:51【问题描述】：我是新手。我认为NuPIC的想法真的很酷，因此想将KNN分类器应用于NuPIC的输出。我看到python中已经有一个KNNClassifier对象。我对输入... 查看详情

如何使用 MNIST 在 tensorflow 中减少权重位或更改为较低位的类型？

】如何使用MNIST在tensorflow中减少权重位或更改为较低位的类型？【英文标题】：Howtoreduceweight\'sbitorchangetolowerbit\'stypeintensorflowbyusingMNIST?【发布时间】：2018-06-0805:47:33【问题描述】：我正在做CNN模型压缩，并试图减少权重的位以... 查看详情

kaggle练习001--digitrecognizer(mnist)

...经典案例，在Kaggle上也有此项比赛，本文中的代码是使用TensorFlow+CNN进行处理的。我已将代码放到了我的Github上，有兴趣的朋友可以看一下。一共四个文件：main.py是主程序模块。trainModel.py是训练模型模块。constantInit.py用于参数... 查看详情

pytorch基于cnn的手写数字识别（在mnist数据集上训练）(代码片段)

最终成果http://pytorch-cnn-mnist.herokuapp.com/GITHUBhttps://github.com/XavierJiezou/pytorch-cnn-mnist本文以最经典的mnist数据集为例，讲述了使用pytorch做机器学习的一整套流程，文中所提到的所有代码都可以到github中查看。项目场景简单的... 查看详情

如何在 Fashion_mnist (Tensorflow) 中设置具有特定类别的子集

】如何在Fashion_mnist(Tensorflow)中设置具有特定类别的子集【英文标题】：HowtosetasubsetwithspecificcategoryinFashion_mnist(Tensorflow)【发布时间】：2022-01-2215:04:24【问题描述】：现在我已经在Fashion_mnist中使用了原始数据：https://www.tensorflow.org... 查看详情

深度学习与tensorflow2.0卷积神经网络（cnn）(代码片段)

注：在很长一段时间，MNIST数据集都是机器学习界很多分类算法的benchmark。初学深度学习，在这个数据集上训练一个有效的卷积神经网络就相当于学习编程的时候打印出一行“HelloWorld!”。下面基于与MNIST数据集非常类似的... 查看详情

在mnist数据集，实现多个功能的tensorflow程序

...过拟合,使用滑动平均模型使得最终模型更加健壮。importtensorflowastffromtensorflow.examples.tutorials.mnistimportinput_dataINPUT_NODE=784#输入节点OUTPUT_NODE=10#输出节点LAYER1_NODE=500#隐藏层数BATCH_SIZE=100#每次batc 查看详情

为啥在同一数据集上使用 tensorflow 和 keras 重新训练的 Inception V3 显示出不同的准确性？

】为啥在同一数据集上使用tensorflow和keras重新训练的InceptionV3显示出不同的准确性？【英文标题】：WhyInceptionV3retrainedusingtensorflowandkerasonsamedatasetshowsdifferentaccuracy?为什么在同一数据集上使用tensorflow和keras重新训练的InceptionV3显示... 查看详情

在自己的数据集上训练 TensorFlow 对象检测

】在自己的数据集上训练TensorFlow对象检测【英文标题】：TrainTensorflowObjectDetectiononowndataset【发布时间】：2017-12-1121:27:26【问题描述】：在花了几天时间尝试完成这项任务后，我想分享一下我如何回答这个问题的经验：如何使用TS... 查看详情

基于tensorflow的mnist手写识别

这个例子，是学习tensorflow的人员通常会用到的，也是基本的学习曲线中的一环。我也是！ 这个例子很简单，这里，就是简单的说下，不同的tensorflow版本，相关的接口函数，可能会有不一样哟。在TensorFlow的中文介绍文档中的... 查看详情

tensorflow tensorboard 摘要示例

】tensorflowtensorboard摘要示例【英文标题】：tensorflowtensorboardsummariesexample【发布时间】：2018-02-2608:12:03【问题描述】：我正在尝试使用examplecode打开张量板。我在本地运行示例，然后尝试使用以下命令tensorboard--logdir=F:\\mnist_tmp\\tens... 查看详情