tensorflow 세션에 하나의 입력을 적용하고 출력을 얻습니다.

Question

샘플 MNIST handwritten numbers tutorial을 실행 중입니다.

방법은 첫 번째 테스트 MNIST 이미지로 세션을 활성화 수 있으며, 희망 는 예상 출력을 얻을? 나는이 작업을 수행 할 때

는 :

print(sess.run(tf.convert_to_tensor(mnist.test.images[0]))) 

나는 (추측) 무게와 784-긴 텐서를 얻을 :

... 
... 
... 
0.94901967 0.99607849 0.99607849 0.20392159 0.   0.   0. 
0.   0.   0.   0.   0.   0.   0. 
0.   0.   0.   0.   0.   0.   0. 
0.   0.   0.   0.   0.   0. 
0.47450984 0.99607849 0.99607849 0.8588236 0.15686275 0.   0. 
0.   0.   0.   0.   0.   0.   0. 
0.   0.   0.   0.   0.   0.   0. 
0.   0.   0.   0.   0.   0.   0. 
0.47450984 0.99607849 0.81176478 0.07058824 0.   0.   0. 
0.   0.   0.   0.   0.   0.   0. 
0.   0.   0.   0.   0.   0.   0. 
0.   0.   0.   0.   0.   0.   0. 
0.   0.   0.   0.   0.   0.   0. 
0.   0.   0.   0.   0.   0.   0. 
... 
... 
... 

내 예상 출력이 형식에 7 일 것입니다 :

[ 0. 0. 0. 0. 0. 0. 0. 1. 0. 0.] 

Answer 1

음, 이미지 (mnist.train.images)는 784 = 28 x 28 차원 벡터입니다. 당신이 찾고있는 것은 참으로 차원 10있는 라벨 (mnist.test.labels)입니다 : 그런데

In [29]: mnist.test.labels[0] 
Out[29]: array([ 0., 0., 0., 0., 0., 0., 0., 1., 0., 0.]) 

는, 이러한 배열은 그냥 평범한 NumPy와 배열입니다, 당신이 그들을 인쇄 할 TF 세션을 사용할 필요가 없습니다.

Answer 2

난 당신이 예측 찾고있는 생각, 느릅 나무는이 단계에서 y로 저장되었습니다

y = tf.matmul(x, W) + b 

그들은 확률이다 (소프트 맥스 감사는) 당신은 예측 답을 얻기 위해 최선을해야 :

tf.argmax(y[0],1)