Machine learning 如何实际应用经过培训的模型？

我一直在慢慢地阅读tensorflow教程，我想我还得再看一遍。我没有ML方面的背景，但我正在慢慢地向上努力

无论如何，在阅读并运行了培训代码之后，我感到困惑

人们如何实际应用经过训练的模型，使其能够用于语言预测

---

我知道这是一个可怕的、愚蠢的、简单的问题，但我相信它会对其他人有用，因为我看到它被问到了，但没有得到令人满意的回答。

一般来说，当你训练一个模型时，你先做向前传球，然后做向后传球。向前传球根据输入数据进行预测，向后传球根据预测的正确程度调整模型

因此，当您想要应用模型时，只需将新数据作为输入进行向前传递

在您的特定示例中，使用，您可以通过查看他们如何运行测试集（从第286行开始）来了解它是如何完成的

# They instantiate the model with is_training=False
mtest = PTBModel(is_training=False, config=eval_config)

# Then they can do a forward pass
test_perplexity = run_epoch(session, mtest, test_data, tf.no_op())
print("Test Perplexity: %.3f" % test_perplexity)

如果你想要的是实际的预测，而不是困惑，那就是run_epoch函数中的状态：

cost, state, _ = session.run([m.cost, m.final_state, eval_op],
                             {m.input_data: x,
                              m.targets: y,
                              m.initial_state: state})