用Tensorflow模型测试枕头图像？

Question

我看了一下ML初学者的MNIST上的基本例子，他们从MNIST数据库中创建了一个简单的数字分类器，非常酷。

他们拥有的教程代码是softmax.py，但是他们对自己的测试映像使用分类器。我想试一试我自己的形象从枕头。

以下是我修改的部分：

  from PIL import Image

  # Test trained model
  img = Image.open("09.png").convert('L')
  data = np.ndarray.flatten(np.array(img))
  result = sess.run(tf.argmax(y,1), feed_dict={x: [data]})
  print (' '.join(map(str,result)))

但这一错误涉及：

ValueError: Cannot feed value of shape (1, 1568) for Tensor u'Placeholder:0', which has shape '(?, 784)'

我使用的图像是28x28：

​

​

​

​

分别为9和14。

我可能误解了分类器的工作方式，因为我刚刚开始阅读一些关于机器学习主题的教程。我的问题是如何将这些图像从枕头加载到分类器中，并让分类器确定正确的数字？

编辑:基于@sascha的评论的，我已经更新了代码，但是得到了不正确的结果。我试过清理9图像：

​

​

但现在的结果要么是7，要么是3。

Answer 1

我可以看到，通过将图像转换为1通道，您已经解决了形状不匹配的问题。现在的问题是，您的测试预测是错误的。因此，这说明您的ML模型在该测试用例中失败了。

总是计算训练和测试的准确性，以分析模型的性能，并知道您的模型面临什么问题。

因此，寻找解决方案，您可以如何改进您的模型。尝试卷积神经网络，增加层数，集合等。

检查这链接，我已经为数字识别写了一个简单的CNN模型，它有99.45的准确性。

请参阅Kaggle中的其他内核，以更多地了解解决同一问题的不同方法。

希望这能有所帮助！