如何在训练好的Tensorflow模型上进行简单预测？

Question

我刚刚训练了一个类似这样的模型:

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    num_examples = len(X_train)

    print("W00T IT IS TRAINING ")
    print()
    for i in range(EPOCHS):
        X_train, y_train = shuffle(X_train, y_train)
        for offset in range(0, num_examples, BATCH_SIZE):
            end = offset + BATCH_SIZE
            batch_x, batch_y = X_train[offset:end], y_train[offset:end]
            sess.run(training_operation, feed_dict={x: batch_x, y: batch_y})

        validation_accuracy = evaluate(X_validation, y_validation)
        print("EPOCH {} ...".format(i+1))
        print("Validation Accuracy = {:.3f}".format(validation_accuracy))
        print()

saver.save(sess, 'LeNet')
print("Model saved")

现在我已经加载了这样的一张图片：img1 = img.imread('./images_32x32/test_1.png')

现在我唯一想做的事情就是基于 img1 进行预测。

我该怎么做呢？

更新

加入我的 softmax 函数：

logits = LeNet(x)
cross_entropy = tf.nn.softmax_cross_entropy_with_logits(logits, one_hot_y)
loss_operation = tf.reduce_mean(cross_entropy)
optimizer = tf.train.AdamOptimizer(learning_rate = rate)
training_operation = optimizer.minimize(loss_operation)

correct_prediction = tf.equal(tf.argmax(logits, 1), tf.argmax(one_hot_y, 1))
accuracy_operation = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
saver = tf.train.Saver()

- Bob van Luijt

Answer 1

这取决于你如何定义你的图形，以及你如何定义“x”占位符的形状。
假设“x”被定义为这样：

x = tf.placeholder(shape=[None, IMG_WIDTH, IMG_HEIGHT, NUM_COLOR_CHANNELS], dtype=tf.float32)

假设“pred”是给出预测值的张量，您只需要评估此张量：

predictions = sess.run(pred, feed_dict={x: img1})

- lgvaz

---

谢谢，我还不确定（理解）你的意思。所以我正在使用：x = tf.placeholder(tf.float32, (None, 32, 32, 3)) 和 y = tf.placeholder(tf.int32, (None))。我不确定在这种情况下pred会是什么。 - Bob van Luijt

Pred 可能是您网络的最后一层，它应该是您应用 softmax 函数的张量。 - lgvaz

啊哈，更新了问题...那应该是correct_prediction吗？试图完全理解这最后一部分。我在softmax方面缺少一些东西... - Bob van Luijt

非常抱歉，logits并不是一个标量值，而是一组标量值的向量。当您应用softmax函数后，会得到一组概率的向量。 - lgvaz

以下是有关编程的内容，从英语翻译成中文。仅返回已翻译的文本：https://dev59.com/pVsX5IYBdhLWcg3whvwn#33713962 - 用简单的回归模型进行解释 - aqavi_paracha