Comment obtenir la valeur de chaque noeud de sortie pendant eval MNIST testdata dans TensorFlow?

Question

Je forme un réseau de neurones convolutif (CNN) avec TensorFlow. Lorsque la formation est terminée, je calcule la précision avec le code suivant:

... 
correct = tf.equal(tf.argmax(prediction, 1), tf.argmax(y, 1)) 
accuracy = tf.reduce_mean(tf.cast(correct, tf.float32)) 
eval_batch_size = 1 
good = 0 
total = 0 
for i in range(int(mnist.test.num_examples/eval_batch_size)): 
    testSet = mnist.test.next_batch(eval_batch_size, shuffle=False) 
    good += accuracy.eval(feed_dict={ x: testSet[0], y: testSet[1]}) 
    total += testSet[0].shape[0] 
accuracy_eval = good/total 

Pour « bien » j'obtenir la valeur 1.0 lorsque l'image de test est correcte détectée et la valeur 0.0 sinon.

Je veux obtenir les valeurs pour les dix nœuds de sortie. Par exemple, j'évalue une image de test avec un "8" manuscrit alors peut-être le noeud de sortie pour le nombre "8" est 0.6 et pour le nombre "3" est 0.3 et pour "5" est 0.05 et le dernier 0.05 sur les sept autres noeuds de sortie.

Alors, comment puis-je obtenir toutes ces dix valeurs pour chaque image de test dans TensorFlow?

Answer 1

Vous pouvez le faire en ajoutant la ligne suivante:

pred=prediction.eval(feed_dict={ x: testSet[0], y: testSet[1]}) 

juste après

testSet = mnist.test.next_batch(eval_batch_size, shuffle=False) 

Alors pred sera un tableau qui contient 1 vecteur de probabilité, et c'est le vecteur qui vous intéresse dans