Python 如何在训练过的模型上进行简单的Tensorflow预测？

我刚刚训练了一个这样的模型：

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    num_examples = len(X_train)

    print("W00T IT IS TRAINING That depends on how you defined your graph, and depends on how you defined the shape of the 'x' placeholder.

Supposing 'x' is defined like this:


x = tf.placeholder(shape=[None, IMG_WIDTH, IMG_HEIGHT, NUM_COLOR_CHANNELS], dtype=tf.float32)

predictions = sess.run(pred, feed_dict={x: img1})

将tf.Session（）作为sess的
：
sess.run（tf.global\u variables\u initializer（））
num_示例=len（X_列）
打印（“W00T这是培训，这取决于您如何定义图形，以及如何定义“x”占位符的形状。

假设“x”的定义如下：

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    num_examples = len(X_train)

    print("W00T IT IS TRAINING That depends on how you defined your graph, and depends on how you defined the shape of the 'x' placeholder.

Supposing 'x' is defined like this:


x = tf.placeholder(shape=[None, IMG_WIDTH, IMG_HEIGHT, NUM_COLOR_CHANNELS], dtype=tf.float32)

predictions = sess.run(pred, feed_dict={x: img1})

假设‘pred’是给出预测的张量，你只需要计算这个张量：

谢谢，我还不确定我是否理解。所以我使用了：
x=tf.placeholder（tf.float32，（None，32，32，3））
和
y=tf.placeholder（tf.int32，（None））
。我不确定在这种情况下，
pred
会是什么。pred可能是你网络的最后一层，它应该是你应用softmax函数的张量。啊哈，更新了这个问题……这是不是正确的预测？
？试图完全掌握最后一部分。我缺少了一些关于softmax的东西……逻辑s是您的网络正在计算的标量值，您应该应用softmax函数将该标量值转换为概率，如下所示：
pred=tf.nn.softmax（logits）
，然后您只需像前面所说的那样计算“pred”，就可以得到输入图像的网络预测概率：）。我希望这会有所帮助，请尽管问！！对不起，logits不是一个标量值，而是一个标量值向量，在应用softmax函数后，您会得到一个概率向量。