TensorFlow: Druckausgabewert von jeder Iteration

Question

Ich experimentiere mit TensorFlow, um den Dreh raus zu bekommen. Versuchen Sie, eine Version des grundlegenden MNIST-Beispiels zu erstellen, indem Sie Zeilen aus einer CSV-Datei anstelle von Bildern lesen. Ich füge den Code basierend auf dem MNIST-Beispiel und dem CSV-Feeder-Beispiel zusammen.

Die ersten 100 Zellen in jeder Zeile meiner CSV stellen ein "Bild" einer Zahl dar, und die nächsten 10 Zellen in derselben Zeile repräsentieren ein "Label", das das Bild ähnlich wie das Etikett im MNIST-Beispiel identifiziert.

Ich versuche zu drucken, was TensorFlow tatsächlich die Zahl während jeder Iteration über die CSV-Zeilen schätzt, indem das tatsächliche Etikett und die "erraten" Ausgabe für jede Iteration Seite-an-Seite gedruckt werden. Aber es sieht so aus, als würde ich tatsächlich beide Male das echte Etikett drucken, da die y Variable erfordert, dass ich die aktuellen x Werte füttere, um den x Platzhalter zu ersetzen.

Wie kann ich für jede Iteration die Schätzung und nicht das tatsächliche Etikett ausdrucken?

Mein Code sieht wie folgt aus:

fileName = 'TEST_data/TFTest.csv' 

filename_queue = tf.train.string_input_producer([fileName]) 

reader = tf.TextLineReader() 
key, value = reader.read(filename_queue) 

rDefaults = [] 
for i in range(0,110): 
    rDefaults.append((list([0]))) 

data = tf.decode_csv(value, record_defaults=rDefaults) 
fPack = tf.slice(data, [0], [100]) 
lPack = tf.slice(data, [100], [10]) 

features = tf.pack(fPack) 
label = tf.pack(lPack) 

x = tf.placeholder(tf.float32, [None, 100]) 
W = tf.Variable(tf.zeros([100, 10])) 
b = tf.Variable(tf.zeros([10])) 
y = tf.matmul(x, W) + b 

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

cross_entropy = tf.reduce_mean(
     tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y)) 
train_step = tf.train.GradientDescentOptimizer(.5).minimize(cross_entropy) 

with tf.Session() as sess: 
    init = tf.initialize_all_variables() 
    sess.run(init) 
    coord = tf.train.Coordinator() 
    threads = tf.train.start_queue_runners(coord=coord) 
    i = 0 
    for i in range(10): 
     f, l = sess.run([features, label]) 
     f1 = np.reshape(f, (-1, 100)) 
     l1 = np.reshape(l, (-1, 10)) 
     sess.run(train_step, feed_dict={x: f1, y_: l1}) 
     if i%1==0: 
      print(sess.run(tf.argmax(l1, 1))) 
      print(sess.run(tf.argmax(y, 1), feed_dict={x: f1})) 
      print('********') 
     i = i + 1 

    coord.request_stop() 
    coord.join(threads) 

Answer 1

diese Zeile gibt Ihnen den Index des höchsten Wert innerhalb der softmax y

print(sess.run(tf.argmax(y, 1), feed_dict={x: f1})) 

wenn Sie einen solchen Wert drucken möchten, dann müssen Sie holen der Wert bei diesem Index.

print(sess.run(y[tf.argmax(y, 1)], feed_dict={x: f1})) 

Wenn ich Ihre Frage richtig verstanden habe.