（系列更新完毕）深度学习零基础使用 TensorFlow 框架跑 MNIST 数据集的第四天：单例测试

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~