Wie kann ich mein Mnist trainiertes Modell verwenden, um ein Bild vorherzusagen

Question

Ich bin neu in Tensorflow. Ich habe

durch dieses Beispiel MNIST Ausbildung getan

steps = 5000 

with tf.Session() as sess: 

    sess.run(init) 

    for i in range(steps): 

     batch_x , batch_y = mnist.train.next_batch(50) 

     sess.run(train,feed_dict={x:batch_x,y_true:batch_y,hold_prob:0.5}) 

     # PRINT OUT A MESSAGE EVERY 100 STEPS 
     if i%100 == 0: 

      print('Currently on step {}'.format(i)) 
      print('Accuracy is:') 
      # Test the Train Model 
      matches = tf.equal(tf.argmax(y_pred,1),tf.argmax(y_true,1)) 

      acc = tf.reduce_mean(tf.cast(matches,tf.float32)) 

      print(sess.run(acc,feed_dict= 
       {x:mnist.test.images,y_true:mnist.test.labels,hold_prob:1.0})) 
      print('\n') 

ich jetzt Vorhersage dieses Modell machen wollen. Ich öffne und verarbeite das Bild mit diesen Codezeilen.

image = cv2.imread("Untitled.jpg") 
image = np.multiply(image, 1.0/255.0) 
images=tf.reshape(image,[-1,28,28,1]) 

wenn ich dies:

feed_dict1 = {x: images} 
    classification = sess.run(y_pred, feed_dict1) 
    print (classification) 

Es diesen Fehler zurückgibt.

TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, numpy ndarrays, or TensorHandles. 

Answer 1

Sie versuchen, das tf-Objekt in den Platzhalter zu füttern:

images = tf.reshape(image,[-1,28,28,1]) 

aber man kann das nicht tun, da Platzhalter erwartet Zahl zum Beispiel np.array. Verwenden Sie daher numpy.reshape anstelle von tf.reshape. Zweitens können Sie innerhalb Ihrer Sitzung verwenden. Zum Beispiel können Sie flache Arrays in einen Platzhalter einfügen und dann innerhalb Ihrer Sitzung einen Knoten erstellen, der dieses Array in eine 2D-Matrix umformt.