0
我訓練的MNIST數據集的邏輯迴歸模型的置信度，這些都是重要的變量...如何打印預測圖像
# tf Graph Input
x = tf.placeholder(tf.float32, [None, 784]) # mnist data image of shape 28*28=784
y = tf.placeholder(tf.float32, [None, 10]) # 0-9 digits recognition => 10 classes
# set model weights
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
# construct model
logits = tf.matmul(x, W) + b
pred = tf.nn.softmax(logits) # Softmax
# minimize error using cross entropy
cost = tf.reduce_mean(-tf.reduce_sum(y * tf.log(pred), reduction_indices=1))
# Gradient Descent
optimizer = tf.train.GradientDescentOptimizer(FLAGS.learning_rate).minimize(cost)
現在我所做的是我創建了一個數組名爲adversarial的圖像略有變化，我將其反饋到模型中，以便進行預測。
如果我下面......
classification_adversarial = sess.run(tf.argmax(pred, 1), feed_dict={x:adversarial})
print(classification_adversarial)
>> [6, 6, 6, 6, 6, 6, 6, 6, 6, 6]
我得到的模型預測的輸出。這是預期的輸出，模型認爲圖像是6s。
無論如何，對於這些圖像中的每一個，我都想要顯示一個accuracy。因此，如果我輸入adversarial.reshape((1, 784))這樣的圖像，我希望模型告訴我它的預測有多準確，百分比。
我試圖執行像下面這樣得到總的準確性...
# list of booleans to determine the correct predictions
correct_prediction = tf.equal(tf.argmax(pred, 1), np.array([6]*10))
print(correct_prediction.eval({x:adversarial}))
>> [True, True ... , True, True]
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print("Accuracy:", accuracy.eval({x: adversarial}))
>> Accuracy: 1.0
我得到的1.0的精度。這是什麼意思，我的模型100％準確？如果是這樣，我一定會做錯事。