Python 如何使用经过估计器和数据集API训练的保存模型进行预测？

我使用

tf.estimator

和

tf.data.TFRecordDataset

训练了一个cnn模型，它们在

model\u fn

函数中定义了一个模型，并在

input\u fn

函数中输入。还可以使用一次获取一批示例

现在我已经在一个目录中训练了模型文件（ckpt、meta、index）。我想做的是根据训练过的模型预测图像的标签，而无需再次训练和评估。图像可以是numpy数组，但不可能是TFRecords文件（训练时使用）

我试了一整天都找不到有效的解决办法。我只能得到权重和偏差的值，不知道如何使预测图像和模型兼容

仅供参考，我的培训代码是

类似的问题是，但没有公认的答案，我的模型输入使用的是dataset api

---

所以我真的需要帮助。谢谢。

我已经回答了一个类似的问题

要使用自定义输入进行预测，需要使用内置估计器方法：

estimator=tf.estimator.estimator（模型_fn，…）
预测输入值fn=…#使用tf.data来定义它
预测结果=估计器。预测（预测输入）
对于idx，枚举中的预测（预测结果）：
打印（idx）
对于预测中的关键点：
打印（“…{}:{}.”格式（键，预测[key]））