Estou tentando escrever um script que permita desenhar uma imagem de um dígito e depois determinar qual é o dígito com um modelo treinado no MNIST.

Aqui está o meu código:

import random
import image
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
import numpy as np
import scipy.ndimage

mnist = input_data.read_data_sets( "MNIST_data/", one_hot=True )

x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))

y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder(tf.float32, [None, 10])

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))

train_step = tf.train.GradientDescentOptimizer(0.5).minimize (cross_entropy)

init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)

for i in range( 1000 ):
    batch_xs, batch_ys = mnist.train.next_batch( 1000 )
    sess.run(train_step, feed_dict= {x: batch_xs, y_: batch_ys})

print ("done with training")

data = np.ndarray.flatten(scipy.ndimage.imread("im_01.jpg", flatten=True))
result = sess.run(tf.argmax(y,1), feed_dict={x: [data]})
print (' '.join(map(str, result)))

Por alguma razão, os resultados estão sempre errados, mas têm uma precisão de 92% quando uso o método de teste padrão.

Acho que o problema pode ser como codifiquei a imagem:

data = np.ndarray.flatten(scipy.ndimage.imread("im_01.jpg", flatten=True))

Eu tentei procurar no código tensorflow pora função next_batch () para ver como eles fizeram isso, mas não tenho idéia de como posso comparar minha abordagem.

O problema também pode estar em outro lugar.

Qualquer ajuda para obter uma precisão de mais de 80% seria muito apreciada.