TensorFlowの学習後の実行について

Question

###前提・実現したいこと
TensorFlowサンプルプログラムで
学習後にテストデータをためしに投入する記述方法がわかりませんでした。
インプットデータは下のように準備した。
ans,v1,v2,v3,v4
4,1,1,1,1
8,2,2,2,2
9,2,2,2,3
9,3,3,3,0
6,3,0,3,0
4,3,0,1,0
2,1,0,1,0
3,1,0,1,1

###発生している問題・エラーメッセージ

どのように記載するかわからない。

###該当のソースコード

# -*- coding: utf-8 -*-
 
import random
import numpy as np
import pandas as pd
import tensorflow as tf
from sklearn.cross_validation import train_test_split
from sklearn.feature_extraction import DictVectorizer
from sklearn import preprocessing
 
# Parameters
learning_rate = 0.01 # 学習率 高いとcostの収束が早まる
training_epochs = 10 # 学習全体をこのエポック数で区切り、区切りごとにcostを表示する
batch_size = 3     # 学習1回ごと( sess.run()ごと )に訓練データをいくつ利用するか
display_step = 1     # 1なら毎エポックごとにcostを表示
train_size = 15     # 全データの中でいくつ訓練データに回すか
step_size = 20     # 何ステップ学習するか
 
# Network Parameters
n_hidden_1 = 64      # 隠れ層1のユニットの数
n_hidden_2 = 64      # 隠れ層2のユニットの数
n_input = 4          # 与える変数の数
n_classes = 1       # 分類するクラスの数 今回は生き残ったか否かなので2
 
df = pd.read_csv('./input.csv')


        
    
#labelEncoder = preprocessing.LabelEncoder()
#df['Sex'] = labelEncoder.fit_transform(df['Sex'])              
#df['Cabin'] = labelEncoder.fit_transform(df['Cabin'])          
#df['Embarked'] = labelEncoder.fit_transform(df['Embarked'])    

# PassengerId,Survived,Pclass,Sex,Age,SibSp,Parch,Fare,Cabin,Embarked
x_np = np.array(df[['v1', 'v2', 'v3', 'v4']].fillna(0))



y_np = np.array(df[['ans']].fillna(0))
 
[x_train, x_test] = np.vsplit(x_np, [train_size]) # 入力データを訓練データとテストデータに分ける
[y_train, y_test] = np.vsplit(y_np, [train_size]) # ラベルを訓練データをテストデータに分ける

#print(y_train)
#print(y_test)

 
# tf Graph input
x = tf.placeholder("float", [None, n_input])
y = tf.placeholder("float", [None, n_classes])
# Create model
def multilayer_perceptron(x, weights, biases):
    # Hidden layer with RELU activation
    layer_1 = tf.add(tf.matmul(x, weights['h1']), biases['b1'])
    layer_1 = tf.nn.relu(layer_1)
    # Hidden layer with RELU activation
    layer_2 = tf.add(tf.matmul(layer_1, weights['h2']), biases['b2'])
    layer_2 = tf.nn.relu(layer_2)
    # Output layer with linear activation
    out_layer = tf.matmul(layer_2, weights['out']) + biases['out']
    return out_layer
 
# Store layers weight & bias
weights = {
    'h1': tf.Variable(tf.random_normal([n_input, n_hidden_1])),
    'h2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2])),
    'out': tf.Variable(tf.random_normal([n_hidden_2, n_classes]))
}
biases = {
    'b1': tf.Variable(tf.random_normal([n_hidden_1])),
    'b2': tf.Variable(tf.random_normal([n_hidden_2])),
    'out': tf.Variable(tf.random_normal([n_classes]))
}
 
# Construct model
pred = multilayer_perceptron(x, weights, biases)
 
# Define loss and optimizer
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)
 
# Initializing the variables
init = tf.initialize_all_variables()
 
# Launch the graph
with tf.Session() as sess:
    sess.run(init)
 
    # Training cycle
    for epoch in range(training_epochs):
        avg_cost = 0.
 
        # Loop over step_size
        for i in range(step_size):
            # 訓練データから batch_size で指定した数をランダムに取得
            ind = np.random.choice(batch_size, batch_size)
            x_train_batch = x_train[ind]
            y_train_batch = y_train[ind]
            
            #print(x_train_batch)
            #print(y_train_batch)
            # Run optimization op (backprop) and cost op (to get loss value)
            _, c = sess.run([optimizer, cost], feed_dict={x: x_train_batch,
                                                          y: y_train_batch})
            # Compute average loss
            avg_cost += c / step_size
        # Display logs per epoch step
        if epoch % display_step == 0:
            print "Epoch:", '%04d' % (epoch+1), "cost=", \
                "{:.9f}".format(avg_cost)
    print "Optimization Finished!"

    # Test model
    correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
    # Calculate accuracy
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    print "Accuracy:", accuracy.eval({x: x_test, y: y_test})

###試したこと
以下を色々修正しましたが、よくわらない状態でした。
c = sess.run(xx, feed_dict={x: x_xxx,y: y_xxx})

Comments

[NarugaL_ove]

ソースコードが読みにくいのでteratailの表記法に従い、コードの部分を```で囲ってください。