使用 TensorFlow 模型进行预测

Question

我遵循了给定的 mnist 教程并且能够训练模型并评估其准确性。但是，教程并未展示如何根据给定的模型进行预测。我对准确性不感兴趣，我只想使用该模型来预测一个新示例，并在输出中查看所有结果（标签），每个结果都有其分配的分数（排序或未排序）。

Answer 1

在“Deep MNIST for Experts”示例中，看到这一行：

We can now implement our regression model. It only takes one line! We multiply the vectorized input images x by the weight matrix W, add the bias b, and compute the softmax probabilities that are assigned to each class.
y = tf.nn.softmax(tf.matmul(x,W) + b)

只要拉上节点 y，你就会得到你想要的。

feed_dict = {x: [your_image]}
classification = tf.run(y, feed_dict)
print classification

这几乎适用于您创建的任何模型 - 您将计算预测概率作为计算损失之前的最后步骤之一。

Answer 2

正如@dga 所建议的，您需要运行通过您已经预测的模型来获取新的数据实例。

这是一个例子：

假设您完成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) + b)）。现在你抓取你的模型并将新的数据点应用到它。在下面的代码中，我计算向量，获取最大值的位置。显示图像并打印最大位置。

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]

Answer 3

这个问题专门针对 Google MNIST tutorial, which defines a predictor but doesn't apply it. Using guidance from Jonathan Hui's TensorFlow Estimator blog post，这里是完全符合 Google 教程并进行预测的代码：

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()

Answer 4

2.0兼容答案：假设你已经构建了如下图所示的Keras模型：

model = keras.Sequential([
    keras.layers.Flatten(input_shape=(28, 28)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

然后使用以下代码训练和评估模型：

model.fit(train_images, train_labels, epochs=10)
test_loss, test_acc = model.evaluate(test_images,  test_labels, verbose=2)

之后，如果你想预测特定图像的class，你可以使用下面的代码来完成：

predictions_single = model.predict(img)

如果你想预测一组图像的classes，你可以使用下面的代码：

predictions = model.predict(new_images)

其中 new_images 是图像数组。

有关详细信息，请参阅此 Tensorflow Tutorial。

使用 TensorFlow 模型进行预测

Making predictions with a TensorFlow model

tensorflow