Python 如何使用Tensorflow Times系列CNN获得新的期望

我从下载了这段代码，它显示了如何训练和评估时间序列数据

我尝试使用经过培训的模型，通过以下代码获得新的期望：

 y_result = tf.nn.softmax(tf.matmul(x,h_fc2) + b_fc2)

然后，我在另一部分使用此代码来预测结果：

result_classes = sess.run(y_result, feed_dict={x: flat_pixels,keep_prob: 1.0})

但出现了以下错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'Placeholder_1' with dtype bool
 [[Node: Placeholder_1 = Placeholder[dtype=DT_BOOL, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

问题是 如何预测我的新期望？为什么会出现错误呢？如何解决这个问题？

---

我认为这是一个关于如何使用API、框架和经过训练的模型进行拨号的问题

错误是自爆炸的-您没有提供必需的布尔值。对于该代码，它是

bn_train

，表示是否训练批次标准。将它添加到提要dict中，就像它在您使用的代码中传递一样

第二部分是：

y_result = tf.nn.softmax(tf.matmul(x,h_fc2) + b_fc2)

毫无意义，您要求您的模型将数据（x）乘以最后一层，那么之前的所有数据呢

通过这样做，预测应该是可能的

prediction = tf.argmax(h_fc2,1)

然后经过训练

sess.run(prediction, feed_dict={x: flat_pixels,keep_prob: 1.0, bn_train: False})

---

另外，在为{bn_train}添加值后，出现如下错误[矩阵大小不兼容：在[0]：[109140,10]，在[1]：[109140,5]]，仍然发现问题[如何预测新输入]。请参阅更新的答案OK，它可以工作。谢谢@lejlot。解决方案键正好是

tf.argmax

函数。它需要学习努力。