Python 2.7 测试恢复的tensorflow模型的一般方法

我对Tensorflow非常、非常陌生，需要编写一个脚本，在从检查点文件恢复的模型上测试单个示例

我想知道是否有一种通用的方法可以在不知道模型的所有细节的情况下为恢复的模型构建测试函数

此外，在下面代码的最后一部分，这看起来像是我朝着正确的方向前进吗？如果是这样的话，如何在不背诵模型细节的情况下构建“y”

import tensorflow as tf
from tensorflow.python import pywrap_tensorflow
import numpy as np
from fuel.datasets.hdf5 import H5PYDataset

ckpt_path='ckt/mnist/mnist_2017_02_23_17_22_50/mnist_2017_02_23_17_22_50_5000.ckpt'

##############################
#### Initialize Variables ####
##############################

reader = pywrap_tensorflow.NewCheckpointReader(ckpt_path)
var_to_shape_map = reader.get_variable_to_shape_map()
var=[0]*len(var_to_shape_map)
i=0
for key in var_to_shape_map:
    var[i] = tf.Variable(reader.get_tensor(key), name=key)
    #print("tensor_name: ", key)
    #print(reader.get_tensor(key))
    i=i+1
initialize=tf.global_variables_initializer()

###############################
####### Restore Model #########
###############################

saver = tf.train.Saver()
sess = tf.Session()
saver.restore(sess, ckpt_path)

###############################
##### Get Example to Test #####
###############################

test_set = H5PYDataset('../CNN3D/data/bmnist.hdf5', which_sets=('test',))
handle = test_set.open()
for i in range(0,100):
    test_data = test_set.get_data(handle, slice(i, i+1))
    if test_data[1][0][0]==8:
        model_idx=i
test_data = test_set.get_data(handle, slice(model_idx,model_idx+1))
data = tf.Variable(np.asarray(test_data[0][0][0]), name='data')

###############################
######## Test Example #########
###############################

x = tf.placeholder(tf.float32,shape=[28,28])
y = ???
sess.run(initialize)
result=sess.run(y, feed_dict={x: data})
print result

该类有一组方便的实用程序，因此，如果您的模型围绕一个估计器，那么从中加载和预测就很容易了

总的来说，如果没有某种协调，这将是困难的