如何打印预测图像的置信度

Question

我训练了一个关于mnist数据集的logistic回归模型，这些是重要的变量.

# tf Graph Input
x = tf.placeholder(tf.float32, [None, 784]) # mnist data image of shape 28*28=784
y = tf.placeholder(tf.float32, [None, 10]) # 0-9 digits recognition => 10 classes

# set model weights
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))

# construct model
logits = tf.matmul(x, W) + b
pred = tf.nn.softmax(logits)  # Softmax

# minimize error using cross entropy
cost = tf.reduce_mean(-tf.reduce_sum(y * tf.log(pred), reduction_indices=1))

# Gradient Descent
optimizer = tf.train.GradientDescentOptimizer(FLAGS.learning_rate).minimize(cost)

现在我所做的就是创建一个名为adversarial的数组，该数组由稍微改变的图像组成，然后反馈到模型中，这样它就可以进行预测了。

如果我做下面的事..。

classification_adversarial = sess.run(tf.argmax(pred, 1), feed_dict={x:adversarial})
print(classification_adversarial)

>> [6, 6, 6, 6, 6, 6, 6, 6, 6, 6]

我得到了模型预测的结果。这是预期的输出，模型认为图像是6s。

无论如何，对于这些图像中的每一张，我都希望显示一个accuracy。所以，如果我给出一张像adversarial.reshape((1, 784))这样的图像，我想让模型告诉我它的预测有多准确，百分比有多大。

我试着用下面的方法来获得完全的准确性.

# list of booleans to determine the correct predictions
correct_prediction = tf.equal(tf.argmax(pred, 1), np.array([6]*10))
print(correct_prediction.eval({x:adversarial}))

>> [True, True ... , True, True]

accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print("Accuracy:", accuracy.eval({x: adversarial}))

>> Accuracy: 1.0

我得到了1.0的精确性。这是什么意思，我的模型是100%的准确性？如果是这样的话，我一定是做错了什么。

Answer 1

1. 要打印每个图像的可信度，您必须打印"pred“，这是logits的最大软件。
2. 在你的例子中，只测量10幅图像的准确性，模型在所有10种情况下都是正确的。所以，准确度是1.0

这有道理吗?？如果您需要更多信息，请发表评论。