如何基于TensorFlow MLP MNIST示例模型预测自定义图像？

你现在遇到的核心问题是误用了accuracy操作来做单张图片的预测——accuracy是用来计算一批输入和对应标签的匹配准确率的，你传入单张图片的同时又传入了整个测试集的标签data.Labels_test，TensorFlow会自动把单张图片广播成和测试集标签一样的批次大小，最后计算的其实是这张重复的图片和测试集标签的平均匹配度，结果自然就是测试集本身的准确率，完全不是这张图的预测结果。

正确的单图预测方法 #

你需要直接使用模型的输出节点pred（也就是你的MLP最后一层的输出，通常是softmax后的概率分布）来获取单张图片的预测结果，步骤如下：

1. 确保输入图片和训练时的预处理一致

   • 首先检查你的训练数据是否做了归一化（比如除以255把像素值缩到0-1之间），如果有，你的测试图片也需要做同样处理：

     # 假设训练时是归一化到0-1
     image_with_no_face_1 = cv2.imread('a.jpg') / 255.0
     

   • 注意cv2.imread读取的是BGR通道顺序，如果你的训练数据是RGB格式，需要转换通道：

     image_with_no_face_1 = cv2.cvtColor(image_with_no_face_1, cv2.COLOR_BGR2RGB)
     

   • 确保图片尺寸是32×32，否则需要先resize：

     image_with_no_face_1 = cv2.resize(image_with_no_face_1, (32, 32))
     

   • 最后reshape成模型需要的输入形状(1, 3072)（因为32×32×3=3072）

2. 获取预测结果
   直接通过pred节点来获取预测的概率分布，再用tf.argmax得到预测的类别索引，代码示例：

   # 读取并预处理图片的工具函数
   def preprocess_image(img_path):
       img = cv2.imread(img_path)
       # 转换通道（如果训练数据用的是RGB格式）
       img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
       # 调整到模型要求的32×32尺寸
       img = cv2.resize(img, (32, 32))
       # 归一化（和训练时的预处理逻辑保持一致）
       img = img / 255.0
       # 调整形状为模型接受的输入格式(1, 3072)
       return img.reshape(1, 3072)
   
   # 处理三张测试图片
   img_no_face_1 = preprocess_image('a.jpg')
   img_no_face_2 = preprocess_image('b.jpg')
   img_face = preprocess_image('c.jpg')
   
   # 定义预测类别节点（假设0代表非人脸，1代表人脸）
   pred_class = tf.argmax(pred, 1)
   
   # 分别预测每张图片
   print("非人脸图片1预测结果:", pred_class.eval({x: img_no_face_1}))
   print("非人脸图片2预测结果:", pred_class.eval({x: img_no_face_2}))
   print("人脸图片预测结果:", pred_class.eval({x: img_face}))
   
   # 如果想查看具体的预测概率分布，可以直接输出pred的结果
   print("非人脸图片1的概率分布:", pred.eval({x: img_no_face_1}))
   

为什么原来的方法不对？ #

再回顾一下你的错误代码逻辑：

print("Face :", accuracy.eval({x: image_with_no_face_1, y: data.Labels_test}))

你的accuracy计算逻辑是：

correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))

当你传入x=单张图和y=测试集标签时，TensorFlow会把单张图复制成和测试集标签一样的数量（比如测试集有N张，就复制N次），然后计算这N张重复的图和测试集标签的匹配率，结果自然就是测试集本身的准确率0.8974359，和你输入的单张图完全无关。

额外建议 #

如果之后需要批量预测多张图片，只需要把所有图片预处理后拼成(batch_size, 3072)的形状传入x即可，不需要循环单张预测，效率会更高。

内容的提问来源于stack exchange，提问作者Andrew