tensorflow中训练mnist数据集－－－测试

先看上一篇训练mnist数据集训练

测试的过程中，主要是加载模型，获取变量的过程。

我们只要获取输入变量x,预测变量pred即可进行数据预测

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

mnist = input_data.read_data_sets('./data/',one_hot=True)

test_data = mnist.test.images
test_labels = mnist.test.labels
print(test_data[10:12].shape)
print(test_labels[10:12].shape)
print(test_labels[10:12])

“”“
(2, 784)
(2, 10)
[[1. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
 [0. 0. 0. 0. 0. 0. 1. 0. 0. 0.]]
”“”

begin,end = 100,106
data_set = test_data[begin:end]

print(begin,end)

#加载计算图
saver = tf.train.import_meta_graph("./model/model.ckpt.meta")
with tf.Session() as sess:
    #加载模型中的数据
    saver.restore(sess,"./model/model.ckpt")
    #获得变量，注意后面的变量名称，和训练中的一一对应。
    x_input = tf.get_default_graph().get_tensor_by_name("input-x:0")
    #y_input = tf.get_default_graph().get_tensor_by_name("input-y:0")
    #获得预测的变量
    y_output = tf.get_default_graph().get_tensor_by_name("Add_2:0")
    #acc_name = tf.get_default_graph().get_tensor_by_name("Mean_1:0")
    
    #acc = sess.run(acc_name,feed_dict={x_input:test_data[10:100], y_input:test_labels[10:100]})
    #print("test_acc is {}".format(acc))
    #计算前向传播，对pred传入一个x,即可得到预测值，再与labels进行比较即可
    acc = sess.run(y_output,feed_dict={x_input:data_set})
    nums = tf.argmax(acc,1)
    t = sess.run(nums)
    print(t)

"""
(10, 12)
INFO:tensorflow:Restoring parameters from ./model/model.ckpt
[0 6]
"""

由上得到在测试数据集中第10-11个图像经过预测得到的是　　０和６

下面看一下标签中的数据是否为０和６

import matplotlib.pyplot as plt

length = end -begin

＃每一个数据是７８４维的，要转变成（２８，２８），下面是一起把所有的数据都转变
img = data_set.reshape(end - begin, 28, 28)
print(img[0].shape)

print("image show pred value")
for j in range(img.shape[0]):
    plt.subplot("1{}{}".format(length,j+1)),plt.imshow(img[j])
plt.show()
print("this is labels value")
print(t)