Python Tensorflow MNIST示例：从SavedModel预测的代码

根据本文，我正在使用示例构建CNN：

但是，我无法通过输入样本图像找到要预测的样本。这里的任何帮助都将不胜感激

下面是我尝试过的，但找不到输出张量名称

img = <load from file>
sess = tf.Session()
saver = tf.train.import_meta_graph('/tmp/mnist_convnet_model/model.ckpt-2000.meta')
saver.restore(sess, tf.train.latest_checkpoint('/tmp/mnist_convnet_model/'))

input_place_holder = sess.graph.get_tensor_by_name("enqueue_input/Placeholder:0")
out_put = <not sure what the tensor output name in the graph>
current_input = img

result = sess.run(out_put, feed_dict={input_place_holder: current_input})
print(result)

img=
sess=tf.Session（）
saver=tf.train.import_meta_图（'/tmp/mnist_convnet_model/model.ckpt-2000.meta'）
saver.restore（sess、tf.train.latest_checkpoint（'/tmp/mnist_convnet_model/'））
input\u place\u holder=sess.graph.get\u tensor\u by\u name（“排队输入/占位符：0”）
输出=
电流输入=img
结果=sess.run（输出、馈送、输入={input\place\u holder:current\u input}）
打印（结果）

您可以使用Tensorflow中的工具查找检查点文件中的张量

from tensorflow.python.tools.inspect_checkpoint import print_tensors_in_checkpoint_file
print_tensors_in_checkpoint_file(file_name="tmp/mnist_convnet_model/model.ckpt-2000.meta", tensor_name='')

这里有一些很好的指导，告诉你如何去做。下面是一个受后一个链接启发的小示例只需确保

/tmp

目录存在

import tensorflow as tf
# Create some variables.
variable = tf.get_variable("variable_1", shape=[3], initializer=tf.zeros_initializer)
inc_v1=variable.assign(variable + 1)

# Operation to initialize variables if we do not restore from checkpoint
init_op = tf.global_variables_initializer()

# Create the saver
saver = tf.train.Saver()
with tf.Session() as sess:
    # Setting to decide wether or not to restore
    DO_RESTORE=True
    # Where to save the data file
    save_path="./tmp/model.ckpt"
    if DO_RESTORE:
        # If we want to restore, load the variables from the saved file
        saver.restore(sess, save_path)
    else:
        # If we don't want to restore, then initialize variables
        # using their specified initializers.
        sess.run(init_op)

    # Print the initial values of variable
    initial_var_value=sess.run(variable)
    print("Initial:", initial_var_value)
    # Do some work with the model.
    incremented=sess.run(inc_v1)
    print("Incremented:", incremented)
    # Save the variables to disk.
    save_path = saver.save(sess, save_path)
    print("Model saved in path: %s" % save_path)

---

你所说的“无法通过输入样本图像找到要预测的样本”是什么意思？我的问题是，既然我们有一个经过训练和验证的模型，我该如何使用保存的模型、发送图像并检查预测。我正在寻找此上下文中的示例。是的，请分享您在a中尝试过的内容？将我尝试过的代码添加到原始Q中。感谢您的帮助。我更新了我的答案，以便它告诉您如何保存和还原变量：）