python之如何使用 TensorFlow 从 MNIST 获得对一张图像的预测

我遵循了本教程 https://www.tensorflow.org/tutorials/layers并训练了一个模型来识别 MNIST 集中的手写数字。

以下代码按预期工作并为集合中的每个图像打印概率和类别

mnist = tf.contrib.learn.datasets.load_dataset("mnist") 
train_data = mnist.train.images  # Returns np.array 
tf.reset_default_graph()   
with tf.Session() as sess: 
 
  mnist_classifier = tf.estimator.Estimator(model_fn=cnn_model_fn, model_dir="model/") 
 
  pred = mnist_classifier.predict(input_fn=tf.estimator.inputs.numpy_input_fn( 
      x={"x": train_data}, 
      shuffle=False)) 
 
  for p in pred: 
    print(p) 

但是，当我尝试只预测一张图像时

mnist_classifier.predict(input_fn=tf.estimator.inputs.numpy_input_fn( 
          x={"x": train_data[0]}, 
          shuffle=False)) 

我的程序失败并且 TensorFlow 报告

InvalidArgumentError: Input to reshape is a tensor with 128 values, 
but the requested shape requires a multiple of 784 

这让我很困惑，因为当我打印集合中第一张图像的长度时，它报告 784

print("length of input: {}".format(len(train_data[0])) 

我如何获得对一张图片的预测？

请您参考如下方法:

这很可能与您在创建单项数据集时删除了批处理维度有关。我的意思是你应该使用

mnist_classifier.predict(input_fn=tf.estimator.inputs.numpy_input_fn( 
      x={"x": np.array([train_data[0])]}, 
      shuffle=False)) 

相反。请注意围绕 train_data[0] 的附加列表。这将采用形状为 [1, 784] 的数组并创建一个包含一个元素的数据集，这又是一个包含 784 个元素的向量。正如您现在的代码一样，您基本上是在创建一个包含 784 个元素的数据集，每个元素都是一个数字。这会导致形状不匹配。