1、首先创建两个placeholder,用来存放测试数据集,和标签。

x  = tf.placeholder(tf.float32, shape = [BATCH_SIZE,256,256,3])
y_ = tf.placeholder(tf.int16,shape = [BATCH_SIZE]) 

2、创建一个FileWriter ,用于写入测试数据信息

test_writer = tf.summary.FileWriter(logs_test_dir, sess.graph)

3、将测试数据传入到训练中的模型

val_image,val_label = sess.run([test_batch,test_label_batch])
val_loss , val_acc = sess.run([train_loss,train__acc],feed_dict={x:val_image,y_:val_label})
print('Step %d, test loss = %.2f, test accuracy = %.2f%%' %(step, val_loss, val_acc*100.0))
summary_str = sess.run(summary_op)
4、将信息将入到log中
test_writer.add_summary(summary_str, step)


注:

tf.train.Saver
要在 FIleWrite之前创建




GitHub 加速计划 / te / tensorflow
184.55 K
74.12 K
下载
一个面向所有人的开源机器学习框架
最近提交(Master分支:2 个月前 )
a49e66f2 PiperOrigin-RevId: 663726708 2 个月前
91dac11a This test overrides disabled_backends, dropping the default value in the process. PiperOrigin-RevId: 663711155 2 个月前
Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐