Python Tensorflow估计器：在单独的脚本中使用predict（）函数

我已经成功地（我希望）使用tf.估计器训练和评估了一个模型，其中我达到了83-85%左右的训练/评估精度。现在，我想使用Estimator类中的predict（）函数调用在一个单独的数据集上测试我的模型。最好我想在一个单独的脚本中这样做

---

我已经说过我需要导出为SavedModel，但这真的有必要吗？查看Estimator类的路径，似乎我可以通过

model\u dir

参数传递到检查点和图形文件的路径。有人有这方面的经验吗？当我在用于验证的同一数据集上运行模型时，我没有获得与验证阶段相同的性能…：-（

我认为您只需要一个包含

模型fn

定义的单独文件。然后在另一个脚本中使用相同的

model\u fn

定义和相同的

model\u dir

实例化相同的估算器类

---

这是因为估计器API自行恢复

tf.Graph

定义和最新的

model.ckpt

文件，以便您能够继续进行培训、评估和预测。

将用于培训的相同路径传递给估计器构造函数，然后调用predict（）应该工作我发现我的predict（）函数没有按预期工作的原因是，当我编写以TFRecords格式收集数据的脚本时，我没有注意到os.listdir以随机顺序列出目录元素，因此预测的标签与基本事实根本不符。您的评论是正确的。