我是Tensorflow的新手。我已经为mnist图像分类构建了一个convonet，如下所示，我正在使用队列从磁盘批处理中读取图像(png)并将其传递给训练操作(我现在对此很满意)在训练之前一切都很好，我在训练时正在评估我的准确性操作在一定数量的步骤。
我正在使用 Saver 对象保存模型，可以看到正在磁盘上写入的元和检查点文件。
现在真正的挑战是在模型完成训练后恢复模型，并将其用于对新图像的预测。
我的图表(训练)的第一步如下所示，它需要x_image(来自火车队列的图像)h_conv1 = tf.nn.relu(conv2d(x_image， W_conv1) + b_conv1)
由于我没有使用饲料字典方法，因此我不能仅使用保护程序恢复准确性操作并传递新数据。我必须定义测试数据的队列，并使用引用重建图形(与之前完全相同)，x_image更改为指向测试数据队列。
我现在如何在训练时恢复学习的权重，并将其与这个新图一起使用，以简单地运行我的预测/准确性操作。
我试图跟随 - https://github.com/tensorflow/models/blob/master/tutorials/image/cifar10/cifar10.py 教程，但迷失了评估代码。
此外，如果我在我的训练图中添加一个虚拟常量，然后尝试检索它的值，我能够检索它。
任何 1 请帮忙。谢谢
好的，所以我找到了答案。
最初的挑战是在使用队列时，在训练和验证阶段在训练和测试数据之间切换。 现在，由于队列是图结构的一部分，我们不能简单地修改它们。
我找到了一篇使用 tf.case 在训练队列和测试队列之间切换的文章，但我无法使用随机批处理。
手头的真正任务是在训练后保存模型，并使用保存的模型在生产中进行预测。
所以这是流程：
训练
- 创建一个创建图形的方法(将图像张量作为 输入)。
- 通过传递训练图像批处理构建训练图
- 执行训练并使用保护程序对象保存模型。
评估
- 现在使用测试图像批次重建相同的图形。
- 在会话中使用 saver 对象来恢复权重(请注意，您不需要传递要恢复的变量，默认情况下它会恢复所有可恢复的变量)此时不运行全局变量初始值设定项
- 运行预测操作(从新构建的图形生成)
还要确保关闭评估中的丢弃功能，因为它会不断改变相同输入的输出
下面是伪代码
train_op, y_predict, accuracy = create_graph(train_input, train_label)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
model_saver = tf.train.Saver()
for i in range(2000):
if i%100 == 0:
train_accuracy = sess.run(accuracy)
print("step %d, training accuracy %f" %(i, train_accuracy))
sess.run(train_op)
print(sess.run(accuracy))
model_saver.save(sess, 'model/simple_model', global_step=100)
coord.request_stop()
coord.join(threads)
用于评估
_, y_predict, accuracy = create_graph(test_input, test_label)
saver = tf.train.Saver()
with tf.Session() as sess:
saver.restore(sess, tf.train.latest_checkpoint("./model/"))
coord = tf.train.Coordinator()
threads = tf.train.start_queue_runners(coord=coord)
label_predict = sess.run([y_predict])