1. Introduction

今天是尝试用 PyTorch 框架来跑 MNIST 手写数字数据集的第二天，主要学习单例测试。本 blog 主要记录一个学习的路径以及学习资料的汇总。

注意：这是用 Python 2.7 版本写的代码

第一天（LeNet 网络的搭建）：https://blog.csdn.net/qq_36627158/article/details/108245969

第二天（训练网络）：https://blog.csdn.net/qq_36627158/article/details/108315239

第三天（测试网络）：https://blog.csdn.net/qq_36627158/article/details/108321673

第四天（单例测试）：https://blog.csdn.net/qq_36627158/article/details/108397018

 

 

 

2. Code（mnist_classify.py）

import tensorflow as tf import mnist_lenet from PIL import Image, ImageOps import matplotlib.pyplot as plt image_data = Image.open("/home/ubuntu/Downloads/C6/3.jpg") image_data = ImageOps.invert(image_data) input = image_data.resize((28, 28)).split()[0] plt.figure() plt.imshow(input) plt.show() decode_img = tf.image.convert_image_dtype(input, tf.float32) image = tf.reshape(decode_img, [1, 28, 28, 1]) output = mnist_lenet.build_model_and_forward(image) probabilities = tf.nn.softmax(output) correct_prediction = tf.argmax(probabilities, 1) saver = tf.train.Saver() with tf.Session() as sess: ckpt = tf.train.get_checkpoint_state("./models") if ckpt and ckpt.model_checkpoint_path: saver.restore(sess, ckpt.model_checkpoint_path) probabilities, label = sess.run([probabilities, correct_prediction]) print "The num in this image is", label.item(), \ ". And the probability is", probabilities[0][label.item()] else: print "No checkpoint file found"

 

这份代码基本上就和测试模型差不多，就没有什么需要查询的啦~