如何在新数据上运行卷积神经网络

Question

我正在查看this tutorial以创建带有Tensorflow的卷积神经网络。

神经网络建立并训练后，在本教程中，测试是这样的：

eval_results = mnist_classifier.evaluate(
    x=eval_data, y=eval_labels, metrics=metrics) 
print(eval_results) 

不过，我并没有对测试集的标签，所以我想它运行只是训练的例子，像这样：

eval_results = mnist_classifier.evaluate(x=test_data, metrics=metrics) 

如果我这样做，但是，我得到这样的警告，然后停止执行：

WARNING:tensorflow:From ../src/script.py:169: calling BaseEstimator.evaluate (from tensorflow.contrib.learn.python.learn.estimators.estimator) with x is deprecated and will be removed after 2016-12-01. 
Instructions for updating: 
Estimator is decoupled from Scikit Learn interface by moving into 
separate class SKCompat. Arguments x, y and batch_size are only 
available in the SKCompat class, Estimator will only accept input_fn. 
Example conversion: 
    est = Estimator(...) -> est = SKCompat(Estimator(...)) 
Traceback (most recent call last): 
    File "../src/script.py", line 172, in <module> 
    main() 
    File "../src/script.py", line 169, in main 
    eval_results = mnist_classifier.evaluate(x=test_data, metrics=metrics) 
    File "/opt/conda/lib/python3.6/site-packages/tensorflow/python/util/deprecation.py", line 289, in new_func 
    return func(*args, **kwargs) 
    File "/opt/conda/lib/python3.6/site-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 530, in evaluate 
102.5s 
7 
    return SKCompat(self).score(x, y, batch_size, steps, metrics) 
    File "/opt/conda/lib/python3.6/site-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 1365, in score 
    name='score') 
    File "/opt/conda/lib/python3.6/site-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.py", line 816, in _evaluate_model 
    % self._model_dir) 
tensorflow.contrib.learn.python.learn.estimators._sklearn.NotFittedError: Couldn't find trained model at /tmp/mnist_convnet_model. 

Answer 1

您可以不使用mnist_classifier.evaluate没有y paramater，因为你有什么评价。

相反，使用y = mnist_classifier.predict(x=x)得到结果，并且看看他们自己知道，如果他们是正确与否。

然而，这是一个非常糟糕的想法是，网络已经培训了数据要做到这一点，因为这可能会导致不反映网络是如何处理新信息的好成绩。

除此之外，你得到的警告是非常正常的，因为x和y参数被弃用反正，但你仍然可以使用它们。如果你想让警告本身消失，你应该在导入后添加tf.logging.set_verbosity(tf.logging.ERROR)tf

编辑：另外，当我想到它时，你如何为训练集设置标签而不是测试集？你应该总是分裂的训练数据和标签，这样大部分是受过训练的，但有一些是正好保持，所以你可以使用它在evaluate