blocks|key|4453397|text|正如@dga建议的那样，您需要通过已经预测的模型运行新的数据实例。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|4453398|下面是一个示例：|4453399|假设您阅读了第一个教程并计算了模型的准确性(模型是这样的：y+=+tf.nn.softmax(tf.matmul(x,+W)+%2B+b))。现在，获取模型并将新的数据点应用于该模型。在下面的代码中，我计算向量，得到最大值的位置。显示图像并打印最大位置。|offset|length|style|CODE|4453400|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]|code-block|syntax|javascript|4453401|entityMap^0|0|0|T|12|0|0^^$0|@$1|2|3|4|5|6|7|Q|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|R|8|@]|9|@]|A|$]]|$1|D|3|E|5|6|7|S|8|@$F|T|G|U|H|I]]|9|@]|A|$]]|$1|J|3|K|5|L|7|V|8|@]|9|@]|A|$M|N]]|$1|O|3|-4|5|6|7|W|8|@]|9|@]|A|$]]]|P|$]]

As @dga suggested, you need to run your new instance of the data though your already predicted model.

Here is an example:

Assume you went though the first tutorial and calculated the accuracy of your model (the model is this: <code>y = tf.nn.softmax(tf.matmul(x, W) + b)</code>). Now you grab your model and apply the new data point to it. In the following code I calculate the vector, getting the position of the maximum value. Show the image and print that maximum position.

<pre><code>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]
</code></pre>

blocks|key|4453456|text|这个问题特别是关于Google+MNIST+tutorial的，它定义了一个预测器，但并不应用它。使用来自Jonathan+Hui's+TensorFlow+Estimator+blog+post的指导，下面是完全符合谷歌教程并进行预测的代码：|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|4453457|from+matplotlib+import+pyplot+as+plt

images+=+mnist.test.images[0:10]

predict_input_fn+=+tf.estimator.inputs.numpy_input_fn(
++++++x={"x":images},
++++++num_epochs=1,
++++++shuffle=False)

mnist_classifier.predict(input_fn=predict_input_fn)

for+image,p+in+zip(images,mnist_classifier.predict(input_fn=predict_input_fn)):
++++print(np.argmax(p['probabilities']))
++++plt.imshow(image.reshape(28,+28),+cmap=plt.cm.binary)
++++plt.show()|code-block|syntax|javascript|4453458|entityMap|0|LINK|mutability|MUTABLE|url|https://www.tensorflow.org/tutorials/layers|1|https://jhui.github.io/2017/03/14/TensorFlow-Estimator/^0|9|L|0|1H|19|1|0|0^^$0|@$1|2|3|4|5|6|7|S|8|@]|9|@$A|T|B|U|1|V]|$A|W|B|X|1|Y]]|C|$]]|$1|D|3|E|5|F|7|Z|8|@]|9|@]|C|$G|H]]|$1|I|3|-4|5|6|7|10|8|@]|9|@]|C|$]]]|J|$K|$5|L|M|N|C|$O|P]]|Q|$5|L|M|N|C|$O|R]]]]

The question is specifically about the <a href="https://www.tensorflow.org/tutorials/layers" rel="nofollow noreferrer">Google MNIST tutorial</a>, which defines a predictor but doesn't apply it. Using guidance from <a href="https://jhui.github.io/2017/03/14/TensorFlow-Estimator/" rel="nofollow noreferrer">Jonathan Hui's TensorFlow Estimator blog post</a>, here is code which exactly fits the Google tutorial and does predictions:

<pre><code>from matplotlib import pyplot as plt

images = mnist.test.images[0:10]

predict_input_fn = tf.estimator.inputs.numpy_input_fn(
 x={"x":images},
 num_epochs=1,
 shuffle=False)

mnist_classifier.predict(input_fn=predict_input_fn)

for image,p in zip(images,mnist_classifier.predict(input_fn=predict_input_fn)):
 print(np.argmax(p['probabilities']))
 plt.imshow(image.reshape(28, 28), cmap=plt.cm.binary)
 plt.show()
</code></pre>

I followed the given mnist tutorials and was able to train a model and evaluate its accuracy. However, the tutorials don't show how to make predictions given a model. I'm not interested in accuracy, I just want to use the model to predict a new example and in the output see all the results (labels), each with its assigned score (sorted or not).

Making predictions with a TensorFlow model

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我遵循了给定的mnist教程，并能够训练模型并评估其准确性。然而，这些教程没有展示如何在给定模型的情况下进行预测。我对准确性不感兴趣，我只想使用模型来预测一个新的示例，并在输出中看到所有结果(标签)，每个结果都有其分配的分数(排序或未排序)。

问使用TensorFlow模型进行预测
EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用TensorFlow模型进行预测EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问使用TensorFlow模型进行预测
EN