Tensorflow MNIST初学者需要一些理解评估步骤

Question

我浏览了 Tensorflow 中评估训练模型的基本示例。内容如下：

accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

我没有遵循这个代码，训练好的'model'在哪里？还是 tf.reduce_mean(....) ？检查训练好的模型。

Answer 1

正如 "Guy Coder" 所说，也许您应该在开始使用 tensorflow 之前查看其他在线资源或 MOOC。

但无论如何，也许你会得到一个更清晰的画面......

在 tensorflow 中训练模型有两个部分。

首先声明模型的结构，包含不同的层和变量。 Tensorflow 会从中制作一个图表，但还没有计算发生。
然后你让tensorflow"run"优化模型。你在这里所做的是告诉 tensorflow 你想要减少交叉熵，或者你定义的任何损失函数，所以你提供输入数据和标签，图形需要计算它。

在这之后你想出了一个训练有素的模型。也许您会想要保存模型并在以后重新使用它，但那是另一回事了。

因此，在训练期间，或训练结束后，您可以调用
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))。

这是告诉 tensorflow 使用具有变量当前值的图来计算准确度（也许您正在训练中）。你正在为这个准确度函数提供图像和标签。 Tensorflow 将取 x 值并尝试预测 y_，准确度将取决于他做得有多好。

与训练模型的连接来自 correct_prediction 函数，该函数应将正确的输出与模型的预测进行比较，即 y_ vs y

希望对您有所帮助

编辑

我会根据您的评论回答，但请注意，您的问题解释得非常糟糕......正如 S_kar

所指出的

要保存模型，您可以这样做：

# model declared before this line
with tf.Session() as sess:
    # Merge all the summaries and write them out to /tmp/tf
    merged = tf.merge_all_summaries()
    writer = tf.train.SummaryWriter("/tmp/tf", sess.graph_def)
    tf.initialize_all_variables().run()

    saver = tf.train.Saver()

    """
    train the model...
    """

    print "Model succesfuly trained"

    # now save the model in a subdirectory called "model"
    checkpoint_path = os.getcwd() + "/model/model.ckpt"
    saver.save(sess, checkpoint_path)
    print "Model saved"

要恢复模型查看

Tensorflow MNIST初学者需要一些理解评估步骤

Tensorflow MNIST beginners need some understanding evaluation step

classification

machine-learning

mnist

tensorflow