MNIST圖像預測模型

Question

我是tensorflow的新手，我有一個快速的問題，這是我的MNIST模型的代碼

def neural_network_model(data):

    hidden_1_layer = {'weights': tf.Variable(tf.random_normal([784, n_nodes_hl1])),
                      'biases': tf.Variable(tf.random_normal([n_nodes_hl1]))}

    hidden_2_layer = {'weights': tf.Variable(tf.random_normal([n_nodes_hl1, n_nodes_hl2])),
                      'biases': tf.Variable(tf.random_normal([n_nodes_hl2]))}

    hidden_3_layer = {'weights': tf.Variable(tf.random_normal([n_nodes_hl2, n_nodes_hl3])),
                      'biases': tf.Variable(tf.random_normal([n_nodes_hl3]))}

    output_layer = {'weights': tf.Variable(tf.random_normal([n_nodes_hl3, n_classes])),
                    'biases': tf.Variable(tf.random_normal([n_classes])), }
    l1 = tf.add(
        tf.matmul(
            data,
            hidden_1_layer['weights']),
        hidden_1_layer['biases'])
    l1 = tf.nn.relu(l1)

    l2 = tf.add(
        tf.matmul(
            l1,
            hidden_2_layer['weights']),
        hidden_2_layer['biases'])
    l2 = tf.nn.relu(l2)

    l3 = tf.add(
        tf.matmul(
            l2,
            hidden_3_layer['weights']),
        hidden_3_layer['biases'])
    l3 = tf.nn.relu(l3)

    output = tf.matmul(l3, output_layer['weights']) + output_layer['biases']

    return output

我的問題是，此函數是否表示輸入“數據”的輸出值？ 還是此功能代表將在訓練后用於測試/預測圖像的完整模型？

這是我用於預測特定圖像的代碼：

prediction=neural_network_model(mnist_training_data_set)
p=tf.argmax(prediction,1)
print(p.eval(feed_dict={x: i}, session=sess))

所以在這里我很困惑，無論該函數是模型還是僅返回預測的輸出。 誰能解釋，謝謝

Answer 1

此函數創建模型並將其添加到計算圖。 預測的輸出將通過p.eval(feed_dict={x: i}, session=sess)行返回。

這樣，該函數將返回模型的輸出層，這將用於進行預測。 可以將其稱為“模型”，但我認為最好將會話變量稱為“模型”。