计算列车数据的准确度如何用于评估张量流中的测试数据-Java 学习之路

在tensorflow中，模型是使用训练数据创建的，但我想知道如何使用训练数据计算测试数据的准确性 .

correct_prediction = tf.equal(tf.argmax(pred, 1),tf.argmax(y_train, 1))
     # Calculate accuracy
     accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
     print "Accuracy:", accuracy.eval({x1: X_test, y1: y_test})

correct_prediction由训练数据和accuracy.eval（）完成，用于传递测试数据集 . 请解释一下如何做到这一点 .

1 回答

2
在TensorFlow中，您可以创建一个图形，其中数据在节点之间流动，从输入到输出 .

让我们举一个简单的例子，MNIST . 这是 TensorFlow nodes ：
- 输入：
- 批次28x28张图片： images 形状 [batch_size, 28, 28, 1]
- 图片标签： labels 形状 [batch_size, 10]
- 输出：
- 您网络的预测 pred ，形状 [batch_size, 10]
- 模型的准确度： accuracy ，形状 [] （标量）
这是图表：
```
images
           |
         (CNN)
           |
  labels  pred
       \   |
        \  |
  correct_prediction
           |
        accuracy
```
两个输入节点是 tf.placeholder ，这意味着您需要在其中手动输入值 .

根据您是在训练还是测试模型，您可以提供：
- for training ：从您的数据中输入 images 和 labels ，其中包含两个相应形状的numpy数组 X_train 和 y_train
- for testing ：feed images 和 labels 有两个numpy数组 X_test 和 y_test 这些是 test data
使用此架构， same graph 既可用于培训和测试 .

不同之处在于：
- 在训练期间，你可能会进行火车运营 sess.run(train_op, feed_dict={images: X_train, labels: y_train})
- 在测试期间，您不再训练模型并只计算准确度： sess.run(accuracy, feed_dict={images: X_test, labels: y_test})
回复于 2024-05-10T21:37:08+08:00

计算列车数据的准确度如何用于评估张量流中的测试数据

1 回答

相关问题