如何对不同的输入使用经过训练的模型

Question

我实现了一个相对简单的逻辑回归函数。我保存所有必要的变量，如权重、偏差、x、y等，然后运行训练算法。。。在

# launch the graph
with tf.Session() as sess:

    sess.run(init)

    # training cycle
    for epoch in range(FLAGS.training_epochs):
        avg_cost = 0
        total_batch = int(mnist.train.num_examples/FLAGS.batch_size)
        # loop over all batches
        for i in range(total_batch):
            batch_xs, batch_ys = mnist.train.next_batch(FLAGS.batch_size)

            _, c = sess.run([optimizer, cost], feed_dict={x: batch_xs, y: batch_ys})

            # compute average loss
            avg_cost += c / total_batch
        # display logs per epoch step
        if (epoch + 1) % FLAGS.display_step == 0:
            print("Epoch:", '%04d' % (epoch + 1), "cost=", "{:.9f}".format(avg_cost))

    save_path = saver.save(sess, "/tmp/model.ckpt")

保存模型并显示训练模型的prediction和{}。。。在

^{pr2}$

这一切都很好。但是，现在我希望能够使用经过训练的模型来预测任何给定的图像。例如，我想向它提供say 7的图片，看看它预测它是什么。在

我有另一个模块来恢复模型。首先我们加载变量。。。在

^{3}$

这很好。现在我想把一张图像与模型进行比较，得到一个预测。在这个例子中，我从测试数据集mnist.test.images[0]获取第一张图像，并尝试将其与模型进行比较。在

classification = sess.run(tf.argmax(pred, 1), feed_dict={x: mnist.test.images[0]})
print(classification)

我知道这行不通。我知道错误。。。在

ValueError: Cannot feed value of shape (784,) for Tensor 'Placeholder:0', which has shape '(?, 784)'

我不知道该怎么想。这个问题相当长，如果不可能有一个直接的答案，请提供一些关于我可以采取的步骤的指导。在

Answer 1

输入占位符的大小必须是(?, 784)，问号表示可变大小，可能是批大小。您正在输入一个大小为(784,)的输入，它不作为错误消息状态工作。在

在您的情况下，在预测时间内，批大小仅为1，因此以下操作应该有效：

import numpy as np
...
x_in = np.expand_dims(mnist.test.images[0], axis=0)
classification = sess.run(tf.argmax(pred, 1), feed_dict={x:x_in})

假设输入图像可用作numpy数组。如果它已经是张量，对应的函数是tf.expand_dims(..)。在