我正在使用TF.LEARN和mnist數據。我以0.96的準確度訓練了我的神經網絡，但現在我不太確定如何預測一個值。獲取有關預測MNIST數據集的奇怪值

這裏是我的代碼..

#getting mnist data to a zip in the computer. 
mnist.SOURCE_URL = 'https://web.archive.org/web/20160117040036/http://yann.lecun.com/exdb/mnist/' 
trainX, trainY, testX, testY = mnist.load_data(one_hot=True) 


# Define the neural network 
def build_model(): 
    # This resets all parameters and variables 
    tf.reset_default_graph() 
    net = tflearn.input_data([None, 784]) 
    net = tflearn.fully_connected(net, 100, activation='ReLU') 
    net = tflearn.fully_connected(net, 10, activation='softmax') 
    net = tflearn.regression(net, optimizer='sgd', learning_rate=0.1, loss='categorical_crossentropy') 
    # This model assumes that your network is named "net"  
    model = tflearn.DNN(net) 
    return model 

# Build the model 
model = build_model() 

model.fit(trainX, trainY, validation_set=0.1, show_metric=True, batch_size=100, n_epoch=8) 

#Here is the problem 
#lets say I want to predict what my neural network will reply back if I put back the send value from my trainX

the value of trainX[2] is 4

pred = model.predict([trainX[2]]) 
print(pred) 
#What I get is 
[[2.6109733880730346e-05, 4.549271125142695e-06, 1.8098366126650944e-05, 0.003199575003236532, 0.20630565285682678, 0.0003870908112730831, 4.902480941382237e-05, 0.006617342587560415, 0.018498118966817856, 0.764894425868988]]

我要的是 - > 4

的問題是，我不知道如何使用此功能預測並放入trainX值以獲得預測。

來源

2017-04-02 Masnad Nihit

張量流的預測給你一個概率輸出。從pred獲得最大概率的標籤就足以獲得網絡的成熟度。

pred = np.argmax(pred, axis=1)

在這種情況下是不是4，但9

凡np是numpy的模塊導入爲import numpy as np，但隨時與tf.argmax(pred, 1)來取代它使用tensorflow的argmax來代替。

來源

2017-04-02 19:42:37

我做這個預解碼= model.predict（[trainX [5]）打印（np.argmax（預解碼））得到了答案，但謝謝你告訴我關於tf.argmax（預解碼，1） –

我想我不清楚我的問題，我只是想知道如何計算索引號，這基本上是通過使用np.argmax ...對不起，混亂。我非常感謝答案！ –

@MasnadNihit如果你只有一個預測，那麼'np.argmax'適合你。如果你有多個，那麼你需要'np.argmax（pred，1）'來同時獲得所有預測的所有索引。 –

你得到一個9，這是相當類似於4

什麼model.predict回報是得分，雖然結果數組中的第五值（第五值是4，因爲它開始一個零）得到一個相對較高的分數（0.26秒高） - 你的模型給最後一位數字（9）最高分數0.76。這隻意味着你的分類器在這裏有點不對勁 - 所以你應該考慮使用不同的分類器或者使用超參數。

來源

2017-04-02 19:44:45

謝謝你benieve！我找出了問題所在。這裏是我的問題的最終解決方案 pred = model.predict（[trainX [5]]） print（np.argmax（pred）） –

@benieve，我想我不清楚我的問題，我只是想知道如何計算索引號，這基本上是通過使用np.argmax ...對不起，造成混亂。我非常感謝答案！ –

獲取有關預測MNIST數據集的奇怪值

我要的是 - > 4

回答

相關問題