TensorFlow测试集预测输出问题求助：sess.run输入参数填写

看起来你在训练完模型后，想获取测试数据的预测结果，但卡在了sess.run()的参数上。我来帮你梳理一下正确的步骤：

首先，先修正一个代码里的小问题——你的nn_model函数目前没有返回值，这样logits = nn_model(next_element)会得到None，后续的tf.argmax肯定会报错。你需要在函数末尾返回最终的网络输出（也就是logits），比如：

def nn_model(data):
    convnet = conv_2d(data, 32, 3, padding='same', activation='relu')  # 注意这里参数应该是传入的data，不是in_data
    convnet = max_pool_2d(convnet, 2)
    # 如果后面还有全连接层或者其他输出层，记得在这里返回最终的logits
    return convnet

接下来是获取预测结果的正确步骤：

• 首先，你需要初始化测试数据的迭代器。从代码里的training_init_op来看，你应该是用了数据集迭代器加载训练数据，那测试数据肯定也有对应的初始化操作（比如test_init_op，你需要自己定义这个，对应测试数据集的迭代器初始化）。在获取预测前，先运行这个操作：

sess.run(test_init_op)

• 然后，直接把你定义的prediction作为参数传入sess.run()就可以获取预测结果了。如果是批量处理测试数据，可以用循环来读取所有结果：

# 方式1：获取单批次测试数据的预测结果
batch_pred = sess.run(prediction)
print("当前批次预测结果：", batch_pred)

# 方式2：获取所有测试数据的预测结果
all_predictions = []
try:
    while True:
        pred = sess.run(prediction)
        all_predictions.extend(pred)
except tf.errors.OutOfRangeError:
    # 迭代器到末尾时会抛出这个异常，代表所有测试数据都处理完了
    print("所有测试数据预测完成")
print("全部预测结果：", all_predictions)

为什么这样可行？因为你的prediction是基于logits，而logits又依赖于next_element（测试数据迭代器输出的样本），当你运行sess.run(prediction)时，TensorFlow会自动计算所有依赖的张量——从迭代器中获取测试数据，经过网络得到logits，最后输出argmax后的预测类别。

最后提醒一下：训练完后一定要切换到测试迭代器，不然会继续从训练数据里读取样本，得到的就不是测试数据的预测结果了。

内容的提问来源于stack exchange，提问作者J Wu