我使用TensorFlow和mnist数据集实现了一个逻辑回归模型。我通过以下代码计算了学习算法的总体准确率…

correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))print("Accuracy:", accuracy.eval({x: mnist.test.images, y: mnist.test.labels}))

这个方法运作良好，并且显示了91%的准确率。现在我正在恢复模型并将单个图像传递给模型进行预测。我传递了一个数字7的图片，mnist.test.images[0]，模型正确预测为[7]…

with tf.Session() as sess:    saver.restore(sess, "/tmp/model.ckpt")    x_in = np.expand_dims(mnist.test.images[0], axis=0)    classification = sess.run(tf.argmax(pred, 1), feed_dict={x:x_in})    print(classification)

现在我想获取这个预测相对于模型的准确率，但我不知道该怎么做，我尝试了以下方法，显然是行不通的…

 accuracy = tf.reduce_mean(tf.cast(classification, tf.float32)) print("Accuracy:", accuracy.eval({x: mnist.test.images, y: mnist.test.labels}))

输出的结果是Accuracy: 7.0

如果没有直接的答案，我希望能得到实现目标所需的步骤。

回答：

单个预测的准确率没有太大意义。

你将得到0%或100%的结果。

但是你仍然可以使用你在图中创建的准确率操作:

with tf.Session() as sess:    saver.restore(sess, "/tmp/model.ckpt")    x_in = np.expand_dims(mnist.test.images[0], axis=0)    y_in = np.expand_dims(mnist.test.labels[0], axis=0)    print("Accuracy:", accuracy.eval({x: x_in , y: y_in}))