Python 访问函数中的变量，该函数定义用于测试数据Tensorflow的模型

我已经对Tensorflow和它的自动链式法则印象深刻，当它找到导数时。但我有一个问题，是否有可能从训练数据的函数模型中访问变量

import tensorflow as tf
import numpy as np




X1 = np.array([[1,2,3]],dtype=np.float32).T #train features

X2 = np.array([[1.5,2.2]],dtype=np.float32).T #test features

y1 = np.array([[10,20,30]],dtype=np.float32).T #train label

y2 = np.array([[15,22]], dtype=np.float32).T #test features



x = tf.placeholder(tf.float32,[None,None])
y = tf.placeholder(tf.float32,[None,1])

def model(data):
    w0 = tf.Variable(tf.random_normal([1,1]),dtype=tf.float32)
    b0 = tf.Variable(tf.random_normal([1,1]),dtype=tf.float32)
    model = tf.add(tf.matmul(data,w0),b0)

    return model



result = model(X1)
loss = tf.square(result-y1)
train = tf.train.GradientDescentOptimizer(0.01).minimize(loss)


with tf.Session() as sess:
    init = tf.global_variables_initializer()
    sess.run(init)

    for i in range(1000):
        sess.run([train],feed_dict={x:X1,y:y1})


    print(sess.run(result))

# Would something like this be possible?:
# print(sess.run(model(X2))) test data ???

---

会话已经保存了一些关于权重和偏差的数据。有没有可能把它拿出来？

是的，有可能！权重和偏差将重新用于测试数据。理想情况下，你会想跑步

sess.run(result, feed_dict={x: X2, y: y2})

---

我在这里问之前已经试过了。问题是，sess.run（result，feed_dict={x:X2，y:y2}）输出X1的值。现在，我必须在函数模型中将变量更改为占位符。谢谢