Python Tensorflow：如何使用先前训练的估计器

我在这里看tensorflow官方教程：

基本上，它教您如何为mnist数据集训练分类器

完整的代码非常简短，可以在这里找到：

我可以毫无问题地运行它。但是我想知道如何将在这个文件中训练的估计器重新用于其他程序。模型保存为3个文件：一个.data-00000-of-00001文件、一个.meta文件和一个.index文件

我在谷歌上搜索，似乎你可以通过以下方式加载模型：

sess=tf.Session()    
saver = tf.train.import_meta_graph('my_model.meta')
saver.restore(sess,tf.train.latest_checkpoint('./'))      

---

但我如何从这里开始呢？看起来很奇怪，本教程没有教您如何重用估算器。

导入元图不会显式地在元图中加载节点。 它只“在内部”加载节点。这个内部节点有你之前指定的名称，比如

tf.truncated_normal([28, 128], stddev=1.0 / math.sqrt(float(28))), name="weights1")

在本例中，“weights1”是您的“内部”节点名。 然后，您应该将“内部”节点抽出（分配）给“外部”变量（代码级别）

就像这样，你可以做到

logits = tf.get_collection('logits_node_before_you_named')

你可以写下你以前做过的新的损失，准确度节点。 总之，您可以使用

tf.get\u collection

方法将要使用的节点拉出到曲面（代码级别）

注意：这些“内部”、“外部”术语的使用不是官方的，只是为了方便

logits = tf.get_collection('logits_node_before_you_named')