Python 作为数组Tensorflow在张量上迭代

我正试图将预测的图像保存在我用Tensorflow编写的CNN网络上。在我的代码

y_pred_cls

中，包含我的预测标签，

y_pred_cls

是尺寸为1 x批次大小的张量。现在，我想将y_pred_cls作为一个数组进行迭代，生成一个文件名，包括pred class、true class和一些索引号，然后找出与预测标签相关的图像，并使用

imsave

保存为图像

with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
train_writer.add_graph(sess.graph)



print("{} Start training...".format(datetime.now().strftime('%Y-%m-%d %H:%M:%S')))
print("{} Open Tensorboard at --logdir {}".format(datetime.now().strftime('%Y-%m-%d %H:%M:%S'), tensorboard_dir))

for epoch in range(FLAGS.num_epochs):
    print("{} Epoch number: {}".format(datetime.now().strftime('%Y-%m-%d %H:%M:%S'), epoch + 1))
    step = 1

    # Start training
    while step < train_batches_per_epoch:
        batch_xs, batch_ys = train_preprocessor.next_batch(FLAGS.batch_size)
        opt, train_acc = sess.run([optimizer, accuracy], feed_dict={x: batch_xs, y_true: batch_ys})

        # Logging
        if step % FLAGS.log_step == 0:
            s = sess.run(sum, feed_dict={x: batch_xs, y_true: batch_ys})
            train_writer.add_summary(s, epoch * train_batches_per_epoch + step)

        step += 1

    # Epoch completed, start validation
    print("{} Start validation".format(datetime.now().strftime('%Y-%m-%d %H:%M:%S')))
    val_acc = 0.
    val_count = 0
    cm_running_total = None

    for _ in range(val_batches_per_epoch):
        batch_tx, batch_ty = val_preprocessor.next_batch(FLAGS.batch_size)
        acc, loss , conf_m= sess.run([accuracy, cost, tf.confusion_matrix(y_true_cls, y_pred_cls, FLAGS.num_classes)],
                                      feed_dict={x: batch_tx, y_true: batch_ty})



        if cm_running_total is None:
            cm_running_total = conf_m
        else:
            cm_running_total += conf_m


        val_acc += acc
        val_count += 1

    val_acc /= val_count

    s = tf.Summary(value=[
        tf.Summary.Value(tag="validation_accuracy", simple_value=val_acc),
        tf.Summary.Value(tag="validation_loss", simple_value=loss)
    ])

    val_writer.add_summary(s, epoch + 1)
    print("{} -- Training Accuracy = {:.4%} -- Validation Accuracy = {:.4%} -- Validation Loss = {:.4f}".format(
        datetime.now().strftime('%Y-%m-%d %H:%M:%S'), train_acc, val_acc, loss))

    # Reset the dataset pointers
    val_preprocessor.reset_pointer()
    train_preprocessor.reset_pointer()

    print("{} Saving checkpoint of model...".format(datetime.now().strftime('%Y-%m-%d %H:%M:%S')))

    # save checkpoint of the model
    checkpoint_path = os.path.join(checkpoint_dir, 'model_epoch.ckpt' + str(epoch+1))
    save_path = saver.save(sess, checkpoint_path)
    print("{} Model checkpoint saved at {}".format(datetime.now().strftime('%Y-%m-%d %H:%M:%S'), checkpoint_path))

将tf.Session（）作为sess的

：
sess.run（tf.global\u variables\u initializer（））
训练写入器添加图形（sess.graph）
打印（“{}开始培训…”格式（datetime.now（）.strftime（“%Y-%m-%d%H:%m:%S”））
打印（“{}打开Tensorboard at--logdir{}”。格式（datetime.now（）.strftime（“%Y-%m-%d%H:%m:%S”），Tensorboard_dir））
对于范围内的历元（FLAGS.num_历元）：
打印（“{}历元编号：{}”。格式（datetime.now（）.strftime（“%Y-%m-%d%H:%m:%S”），历元+1））
步骤=1
#开始训练
当步骤

batch_tx，batch_ty分别是我的RGB数据和标签

---

提前感谢。

要将数据从张量提取到python变量中，请使用

label=sess.run（y\u pred\u cls）

这将为单热向量标签提供一个数组，或为标量标签提供一个int变量

要将阵列保存到图像，可以使用PIL库

from PIL import Image
img = Image.fromarray(data, 'RGB')
img.save('name.png')

剩下的应该是直截了当的

从batch_tx、batch_ty和y_pred_cls张量中提取数据

迭代每个三元组

用当前的

x

创建一个字符串，格式为

name=str（y）+“y”+str（y_-hat）

保存您的图像

---

如果您在应用这些步骤时遇到问题，我可以帮助您进一步解决

您应该在外循环之前创建

tf.conflusion\u矩阵（y\u true\u cls，y\u pred\u cls，FLAGS.num\u class）

一次，否则您将在图中创建同一操作的多个实例。嘿@jdehesa，我应该在哪里准确创建tf.conflusion\u matrix（）？因为如果我在循环后创建混淆矩阵，我将只获得每个批次的混淆矩阵，并且对于混淆矩阵，我必须输入

x:batch\u tx，y\u true:batch\u ty

，否则我将得到一个错误。您应该能够执行类似

conf\u mat=tf.conflusion\u矩阵的操作（y\u true\u cls，y\u pred\u cls，FLAGS.num\u classes）

在定义了

y\u-true\u-cls

和

y\u-pred\u-cls

之后的图形构建时间（在任何训练循环之前）。然后在循环中只需执行

acc，loss，conf_m=sess.run（[accurity，cost，conf_mat]，feed_dict={x:batch_tx，y_true:batch_ty}）

（除非我不理解一些东西…）在开始我的

tf.Session（）会话之前，我按照你说的那样添加了
conf_mat=tf.conflusion_矩阵（y_真的，y pred_cls，FLAGS.num类）

在循环中，我做了

acc，loss，conf\u m=sess.run（[精度，成本，conf\u mat]，feed\u dict={x:batch\u tx，y\u true:batch\u ty}）

但是仍然要得到一批的混淆矩阵，我需要将所有批次的混淆矩阵相加，得到一个完整的混淆矩阵，结果与我之前所做的完全相同。啊，好吧，这就是你的意思，对，是的，你仍然必须这样做，我想说的是，如果你一直在循环中调用

tf.conflusion\u matrix

，你会创建同一个TensorFlow op的多个副本，这些副本会留在你的图中，所以最好只创建一次并重用它。但是你的代码是正确的。也许你也需要

label=sess.run（y\u pred\u cls，feed\u dict={x:batch\u tx}）

，或者只是将现有的调用扩展到

.run

来计算

y\u pred\u cls

。是的，如果你从当前的程序流中执行，这是真的。嘿@JonathanR，你能帮我更多吗。我将像您所说的那样，使用这行代码

label=sess.run（y_pred_cls，feed_dict={x