Machine learning Tensorflow MNIST初学者需要了解一些评估步骤

我浏览了Tensorflow中评估训练模型的基本示例。它是这样说的：

accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

我没有遵循这个代码，受过训练的“模型”在哪里？或者它是tf.reduce_平均值（..）？检查经过培训的模型。

正如“Guy Coder”所说，在开始使用tensorflow之前，也许你应该检查其他在线资源或MOOC

但不管怎样，也许你会对这个有更清晰的了解

在tensorflow中训练模型分为两部分

首先声明模型的结构，包括不同的层和变量。Tensorflow将从中生成一个图表，但目前还没有进行任何计算

然后让tensorflow“运行”并优化模型。这里你要做的是告诉tensorflow你想要减少交叉熵，或者你定义的任何损失函数，所以你提供输入数据和标签，图形需要计算它

在这之后，你会得到一个训练有素的模型。也许您希望保存模型并在以后重用它，但这是另一回事

因此，在训练期间或训练结束后可以调用

print（sess.run（accurity，feed_dict={x:mnist.test.images，y:mnist.test.labels}））

<>这是在告诉ToSoFrof使用变量的当前值来计算精度（也许你在训练的中间）。你将图像和标签输入这个精度函数。Tensorflow将取x值，并尝试预测y_，其准确性将取决于他的表现

与经过训练的模型的连接来自

correct\u prediction

功能，该功能应将正确的输出与模型的预测进行比较，即y与y

希望这有帮助

编辑

我会根据你的评论来回答，但要知道你的问题解释得很糟糕。。。正如苏卡尔所指出的那样

要保存模型，请执行以下操作：

# model declared before this line
with tf.Session() as sess:
    # Merge all the summaries and write them out to /tmp/tf
    merged = tf.merge_all_summaries()
    writer = tf.train.SummaryWriter("/tmp/tf", sess.graph_def)
    tf.initialize_all_variables().run()

    saver = tf.train.Saver()

    """
    train the model...
    """

    print "Model succesfuly trained"

    # now save the model in a subdirectory called "model"
    checkpoint_path = os.getcwd() + "/model/model.ckpt"
    saver.save(sess, checkpoint_path)
    print "Model saved"

要恢复模型，请像“Guy Coder”所说的那样，在开始使用tensorflow之前，也许您应该查看其他在线资源或MOOC

但不管怎样，也许你会对这个有更清晰的了解

在tensorflow中训练模型分为两部分

首先声明模型的结构，包括不同的层和变量。Tensorflow将从中生成一个图表，但目前还没有进行任何计算

然后让tensorflow“运行”并优化模型。这里你要做的是告诉tensorflow你想要减少交叉熵，或者你定义的任何损失函数，所以你提供输入数据和标签，图形需要计算它

在这之后，你会得到一个训练有素的模型。也许您希望保存模型并在以后重用它，但这是另一回事

因此，在训练期间或训练结束后可以调用

print（sess.run（accurity，feed_dict={x:mnist.test.images，y:mnist.test.labels}））

<>这是在告诉ToSoFrof使用变量的当前值来计算精度（也许你在训练的中间）。你将图像和标签输入这个精度函数。Tensorflow将取x值，并尝试预测y_，其准确性将取决于他的表现

与经过训练的模型的连接来自

correct\u prediction

功能，该功能应将正确的输出与模型的预测进行比较，即y与y

希望这有帮助

编辑

我会根据你的评论来回答，但要知道你的问题解释得很糟糕。。。正如苏卡尔所指出的那样

要保存模型，请执行以下操作：

# model declared before this line
with tf.Session() as sess:
    # Merge all the summaries and write them out to /tmp/tf
    merged = tf.merge_all_summaries()
    writer = tf.train.SummaryWriter("/tmp/tf", sess.graph_def)
    tf.initialize_all_variables().run()

    saver = tf.train.Saver()

    """
    train the model...
    """

    print "Model succesfuly trained"

    # now save the model in a subdirectory called "model"
    checkpoint_path = os.getcwd() + "/model/model.ckpt"
    saver.save(sess, checkpoint_path)
    print "Model saved"

---

要恢复模型，请查看

清楚地询问您的问题，清除格式。学习如何提问。你的问题没有多大意义。我对学习TensorFlow很感兴趣，但我意识到，除了开始时运行示例之外，我还缺乏做任何事情的基本词汇和概念。所以，要想了解我转向的基础知识并清楚地问你的问题，请清除你的格式。学习如何提问。你的问题没有多大意义。我对学习TensorFlow很感兴趣，但我意识到，除了开始时运行示例之外，我还缺乏做任何事情的基本词汇和概念。因此，为了获得基础知识，我使用了完整的MNIST示例来说明它的工作原理，但从我的角度来看，我们获取数据、创建模型、训练模型并测试模型。重点是TensorFlow中的这个模型对象在哪里，我如何保存它并在应用程序中使用它，哪个对象是经过训练的模型？Tensorflow模型是如何保存和使用的？您需要要求OP发布一个新问题。我知道新人们习惯于讨论板，但StackOverflow不是讨论板。通过发布新问题，它可以让寻求答案的人快速找到答案。感谢这真的很有帮助！在制定下一个问题时，请尽量弄清楚。我遵循了完整的MNIST示例，说明了它是如何工作的，但从我看到的我们如何获取数据、创建模型、训练模型和测试模型。重点是TensorFlow中的模型对象在哪里，我如何保存它并在应用程序中使用它，哪个对象是经过训练的模型？Tensorflow模型是如何保存和使用的？您需要要求OP发布一个新问题。我知道新人们习惯于讨论板，但StackOverflow不是讨论板。通过发布新问题，它可以让寻求答案的人快速找到答案。感谢这真的很有帮助！在制定下一个问题时，请尽量弄清楚