如何加载 .ckpt、.meta 输出 ffiles rom 一个 TF 模型，输入预测数据并进行预测?

Question

我按照教程使用tf.estimator.DNNLinearCombinedRegressor来训练TF模型来预测芝加哥出租车费用。该模型在 Google Cloud Storage 存储桶中生成以下输出。

• 检查站
• eval_estimator-eval/
• events.out.tfevents.1590293793.taxi-train-job-5-5qj5l
• graph.pbtxt
• model.ckpt-0.data-00000-of-00002
• model.ckpt-0.data-00001-of-00002
• model.ckpt-0.index
• model.ckpt-0.meta
• 型号.ckpt-15165.data-00000-of-00002
• 型号.ckpt-15165.data-00001-of-00002
• 型号.ckpt-15165.index
• 型号.ckpt-15165.meta
• model.ckpt-25000.data-00000-of-00002
• 型号.ckpt-25000.data-00001-of-00002
• 模型.ckpt-25000.index
• 模型.ckpt-25000.meta

问：如何使用这些文件加载模型、输入新数据点并进行预测？ 假设这些是变量和相应的值：

• hour_of_day： 8
• pickup_latitude： 41.5
• pickup_longitude： -87.2
• dropoff_latitude： 41.9
• dropoff_longitude： -87.1

我在网上搜索了答案，这就是我现在所拥有的。它给了我错误消息。任何人都可以帮忙，让我知道如何纠正它？谢谢！

with tf.Session() as sess:
new_saver = tf.train.import_meta_graph('gs://folder_name/model.ckpt-15165.meta')
new_saver.restore(sess, tf.train.latest_checkpoint('gs://folder_name/'))
graph = tf.get_default_graph()
x = graph.get_tensor_by_name("Placeholder:0")
feed_dict = {x:[8, 41.5, -87.2, 41.9, -87.1]}

print(sess.run(feed_dict))

Answer 1

我想通了。

有一个内置函数，可以轻松进行预测。

pred_input_func = tf.estimator.inputs.pandas_input_fn(x = x_test, shuffle = False)
predictions = estimator.predict(pred_input_func)
for result in predictions:
print (result)