Python 如何准备MNIST格式的图像数据集

我使用本文提供的脚本在

MNIST

数据集上训练了一个神经网络模型

我想在自定义数据集上测试经过训练的模型，因此我编写了一个小脚本

predict.py

，加载经过训练的模型并将数据提供给它。但它不起作用

我认为仅将图像大小调整为

28x28

是不够的，必须进行一些其他预处理，以使其与

MNIST

标准兼容

这是我为测试而编写的脚本

predict.py

from scipy.misc import imread
import tensorflow as tf
import numpy as np
import cv2 as cv
import glob

files = glob.glob('data2/*.*')

dig_cont = [cv.imread(fl, 0) for fl in files]

img_data = []
for i in range(len(dig_cont)):
    img = cv.resize(dig_cont[i], (28, 28))  
    img = img.reshape(img.shape[0], img.shape[1], 1)
    img_data.append(img)

print("Restoring Model ...")

sess = tf.Session()

tf_saver = tf.train.import_meta_graph('model/model.meta')

tf_saver.restore(sess, tf.train.latest_checkpoint('model'))

print("Model restored")

x = tf.get_default_graph().get_tensor_by_name('X:0')
print('x :', x.shape)
y = tf.get_default_graph().get_tensor_by_name('Y:0')
print('y :', y.shape)

dict_data = {x: img_data}

result = sess.run(y, feed_dict=dict_data)
print(result)

sess.close()

可以找到详细的错误报告