TensorFlow, Solution de mise en œuvre

Question

Je suis nouveau sur Python, Machine Learning et TensorFlow et je me sens très dépassé!

Je travaille toujours sur l'ensemble de données MNIST et ont le code suivant (que j'ai obéis des tutoriels tensorflow):

from tensorflow.examples.tutorials.mnist import input_data 
mnist = input_data.read_data_sets('MNIST_data',one_hot=True) 

import tensorflow as tf 
sess = tf.InteractiveSession() 

x = tf.placeholder(tf.float32, shape = [None,784]) 
y_ = tf.placeholder(tf.float32, shape = [None,10]) 

W = tf.Variable(tf.zeros([784,10])) 
b = tf.Variable(tf.zeros([10])) 

sess.run(tf.global_variables_initializer()) 

y = tf.matmul(x,W) + b 

cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y,y_)) 

train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) 

for i in range(10): 
    batch = mnist.train.next_batch(100) 
    train_step.run(feed_dict={x: batch[0], y_: batch[1]}) 

    correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) 
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) 
    print(accuracy.eval(feed_dict={x: mnist.test.images, y_:mnist.test.labels})) 

Ma question est, d'ici, comment puis-je extraire la solution faire une application utilisable? Par quoi je veux dire, comment puis-je arriver à l'étape où je peux nourrir une image et obtenir une prédiction d'un nombre sur la base de la formation de l'ensemble de données MNIST.

Un grand merci

Answer 1

Avec votre code, il devrait fonctionner comme ceci:

test_prediction = y.eval(feed_dict={x: mnist.test.images})

Si vous voulez avoir « vos propres images », vous devez vous assurer qu'ils sont le même format que votre variable mnist.test.images. Dans ce cas, vous pouvez remplacer mnist.test.images dans le code ci-dessus par n'importe quel tableau Numpy rempli de tableaux de longueur 787 (image de 28 par 28 pixels). S'il vous plaît laissez-moi savoir si cela fonctionne!