训练后修改tensorflow图以输出中间值

我对TF真的很陌生，所以这是我的免责声明，我所问的可能没有多大意义。如果对我的理解有任何修改，我将不胜感激。如有必要，我很乐意提供更多的代码/信息

我正在学习以下教程：

我在变量/占位符/等中添加了名称范围，以帮助我了解发生了什么。我不想发布所有的代码，我想仅仅发布一张图的图像就可以解决这个问题：

关于这张图，有很多事情我仍然不明白，所以作为一个补充：如果有人有很好的资源来获得这些图的良好直觉，我会很感激你的指导

我的理解 看起来该图当前接受输入数据和标签的馈送，以便在训练期间计算错误。我相信准确度是目前的输出，因为它本身没有任何输出？。对我来说，成本以当前预测和真相来源标签作为输入是有道理的

因为我发现这是一个教程的一部分，当然培训效果很好，我自己还不能做到这一点。在我试图抓住直觉的时候，我愿意忽略这一点

我的问题 我现在感兴趣的是只使用输入的_数据在我的图表上调用sess.run，并查看预测结果。这似乎是合理的——比如说，我在生产系统中使用这个模型时，甚至没有标签。关键是要恢复预测

我可以采取哪些步骤来调用sess.run并返回新的所需输出？但我还是需要能够训练这个模特，是吗？我可以使用什么过程来训练两个占位符，然后将其简化为一个占位符进行预测？

sess.run的参数始终是对图形上某个节点的引用，即您提供的图像

编写Tensorflow时，它只需要上游值的值，就可以计算某些节点的值，而不是所有可能的输入。您的问题似乎是如何从网络中获得预测，而不提供您希望网络在培训期间了解的真相标签。这是典型的测试场景

在没有更多代码信息的情况下，您似乎可以简单地执行以下操作：

with tf.Session() as sess:
  predictions_eval = sess.run(predictions, feed_dict={input_data=input_data})

---

这太棒了，谢谢你，这很有道理！今天晚些时候我会尝试一下，到时候一定会接受解决方案！