从 TensorFlow 对象中检索数据 - 来自正确预测的布尔值列表答案

【问题标题】：Retrieving data from TensorFlow object - list of booleans from correct_prediction从 TensorFlow 对象中检索数据 - 来自正确预测的布尔值列表
【发布时间】：2016-03-08 21:10:54
【问题描述】：

我正在阅读 MNIST 初学者教程 (http://www.tensorflow.org/tutorials/mnist/beginners/index.html) 并尝试从正确预测张量对象中获取准确预测值的布尔列表。我觉得这很混乱。

根据教程 correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) 支持给我们一个布尔值列表：

这给了我们一个布尔值列表。确定分数是多少正确，我们转换为浮点数，然后取平均值。为了例如，[True, False, True, True] 将变为 [1,0,1,1] 这将变成 0.75。

但是，尝试correct_prediction[0] 会得到<tensorflow.python.framework.ops.Tensor at 0x111a404d0>。 type(correct_prediction) 给了我们tensorflow.python.framework.ops.Tensor 这不是一个列表。调用dir() 来查看方法，然后调用correct_prediction.__getitem__(0) 给我们<tensorflow.python.framework.ops.Tensor at 0x111386f50>。

如何访问预测布尔值列表以及 y、W 和 b 的值？是否应该从 tf.Session 以某种方式访问它们？

非常感谢！

【问题讨论】：

标签： python machine-learning neural-network tensorflow

【解决方案1】：

张量变量实际上描述了为了获得您感兴趣的值而必须执行的计算。

换句话说，用correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) 定义的张量不包含布尔值列表，它包含在张量流图中计算它的指令。为了获得实际值，您需要告诉 tensorflow 在图中计算它。

首先，您需要一个tf.Session 变量。在交互式 shell 中进行测试的一种简单方法是 sess = tf.InteractiveSession()，然后是变量初始化：sess.run(tf.initialize_all_variables())。

然后，您可以调用sess.run(tensor_variable) 来计算给定张量（或它们的列表）的值。如果您的张量在其计算中包含占位符（通常会这样做），您还必须提供一个提要字典。教程中对此进行了举例说明。

除了session.run()，您还可以从张量调用.eval() 方法。这也需要存在一个默认会话。

【讨论】：