Python Tensorflow：我的模型预测总是一样的

我训练了一个深度CNN，它预测一维数组，并以

.ckpt

的格式保存权重变量。但当我给模型新的输入时，它总是输出相同的数组。我已经检查了输入的预处理，我确信它们是正确的。这是我预测的代码

import pandas as pd
import numpy as np
import os
import tensorflow as tf
sess = tf.Session()
sess.run(tf.global_variables_initializer())

filename = os.listdir("D:/project/test datasets/image")
new_dir  = "D:/project/test datasets/"

for img in filename:
    img=os.path.splitext(img)[0]
    xs = pd.read_csv(new_dir+img+'.csv',index_col=0)
    xs = xs.values.flatten()
    xs = np.expand_dims(xs,0)

    saver = tf.train.import_meta_graph('model.ckpt.meta')
    saver.restore(sess, 'model.ckpt')  

    graph = tf.get_default_graph()  
    x = graph.get_tensor_by_name("x:0")  
    keep_prob = graph.get_tensor_by_name("keep_prob:0")
    y_conv = graph.get_tensor_by_name("y_conv:0")

    print(sess.run(y_conv,feed_dict={x:xs,keep_prob:1.0}))

我还发现，当我在循环末尾添加代码语句

y_conv=tf.constant（0）

时，下面的输出都是

0

，这意味着我的预测

y_conv

不会在每个循环中更新

---

我不知道哪里错了。如果您有任何反馈或建议，我将不胜感激。

您的代码对我来说很好。请用下面的格式试一试

with tf.Session() as sess:
    saver = tf.train.import_meta_graph(savefile)
    saver.restore(sess, tf.train.latest_checkpoint(savedir))

    graph = tf.get_default_graph()
    input_x = graph.get_tensor_by_name("input_x:0")
    result = graph.get_tensor_by_name("result:0")

    feed_dict = {input_x: x_data,}

    predictions = result.eval(feed_dict=feed_dict)

---

为什么要传递网络的

y\u conv=tf.常数（0）？

Is

y\u conv

输出？谢谢您的建议。我已经找到了原因，因为我的模型不太合适。如果你喜欢我的建议，请接受我的回答并投票表决。谢谢。