python神经网络tensorflow利用训练好的模型进行预测_Python

python神经网络tensorflow利用训练好的模型进行预测

2022-12-16 11:27Bubbliiiing Python

这篇文章主要为大家介绍了python神经网络tensorflow利用训练好的模型进行预测，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

学习前言

在神经网络学习中slim常用函数与如何训练、保存模型文章里已经讲述了如何使用slim训练出来一个模型，这篇文章将会讲述如何预测。

载入模型思路

载入模型的过程主要分为以下四步：

1、建立会话Session；

2、将img_input的placeholder传入网络，建立网络结构；

3、初始化所有变量；

4、利用saver对象restore载入所有参数。

这里要注意的重点是，在利用saver对象restore载入所有参数之前，必须要建立网络结构，因为网络结构对应着cpkt文件中的参数。

（网络层具有对应的名称scope。）

python神经网络tensorflow利用训练好的模型进行预测

实现代码

在运行实验代码前，可以直接下载代码，因为存在许多依赖的文件

				?

									import tensorflow as tf

									import numpy as np

									from nets import Net

									from tensorflow.examples.tutorials.mnist import input_data

									def compute_accuracy(x_data,y_data):

									    global prediction

									    y_pre = sess.run(prediction,feed_dict={img_input:x_data})

									    correct_prediction = tf.equal(tf.arg_max(y_data,1),tf.arg_max(y_pre,1))

									    accuracy = tf.reduce_mean(tf.cast(correct_prediction,tf.float32))

									    result = sess.run(accuracy,feed_dict = {img_input:x_data})

									    return result

									mnist = input_data.read_data_sets("MNIST_data",one_hot = "true")

									slim = tf.contrib.slim

									# img_input的placeholder

									img_input = tf.placeholder(tf.float32, shape = (None, 784))

									img_reshape = tf.reshape(img_input,shape = (-1,28,28,1))

									# 载入模型

									sess = tf.Session()

									Conv_Net = Net.Conv_Net()

									# 将img_input的placeholder传入网络

									prediction = Conv_Net.net(img_reshape)

									# 载入模型

									ckpt_filename = './logs/model.ckpt-20000'

									# 初始化所有变量

									sess.run(tf.global_variables_initializer())

									saver = tf.train.Saver()

									# 恢复

									saver.restore(sess, ckpt_filename)

									print(compute_accuracy(mnist.test.images,mnist.test.labels))