Я обучил модель нейронной сети на MNIST
наборе данных, используя скрипт mnist_3.1_convolutional_bigger_dropout.py
, предоставленный в этом учебном пособии .
Я хотел проверить обученную модель на пользовательском наборе данных,поэтому я написал небольшой скрипт predict.py
, который загружает обученную модель и передает ей данные.Я испробовал 2 метода предварительной обработки изображений, чтобы они были совместимы с форматом MNIST.
- Метод 1 : изменение размера изображения до 28x28
- Метод 2: упомянутая техника здесь используется
Оба эти метода приводят к ошибке
InvalidArgumentError (см. Выше для отслеживания): Выдолжен передать значение для тензора заполнителя 'Placeholder_2' с плавающей запятой dtype
Foregnet.py
# Importing libraries
from scipy.misc import imread
import tensorflow as tf
import numpy as np
import cv2 as cv
import glob
from test import imageprepare
files = glob.glob('data2/*.*')
#print(files)
# Method 1
'''
img_data = []
for fl in files:
img = imageprepare(fl)
img = img.reshape(img.shape[0], img.shape[1], 1)
img_data.append(img)
'''
# Method 2
dig_cont = [cv.imread(fl, 0) for fl in files]
#print(len(dig_cont))
img_data = []
for i in range(len(dig_cont)):
img = cv.resize(dig_cont[i], (28, 28))
img = img.reshape(img.shape[0], img.shape[1], 1)
img_data.append(img)
print("Restoring Model ...")
sess = tf.Session()
# Step-1: Recreate the network graph. At this step only graph is created.
tf_saver = tf.train.import_meta_graph('model/model.meta')
# Step-2: Now let's load the weights saved using the restore method.
tf_saver.restore(sess, tf.train.latest_checkpoint('model'))
print("Model restored")
x = tf.get_default_graph().get_tensor_by_name('X:0')
print('x :', x.shape)
y = tf.get_default_graph().get_tensor_by_name('Y:0')
print('y :', y.shape)
dict_data = {x: img_data}
result = sess.run(y, feed_dict=dict_data)
print(result)
print(result.shape)
sess.close()