Tensorflow载入模型详解，方法一（基础版）：针对测试模型性能 和 使用模型。

         我们知道了如何保存我们的模型接下来，我们就要想办法加载模型，调用模型，这也是我们用来做验证也好、做应用也好必须要做的。当然这里我们只考虑应用和验证，且只涉及模型部分，数据预处理，大家要自己加油啦。下一篇文章将为大家讲解如何加载别人的预训练模型进行微调（fintuning）。

上代码：

import tensorflow as tf


sess = tf.Session()
 
model_dir = 'xxx/xxx'

#图模型路径
meta_path = os.path.join(model_dir,'xxxx.meta')

#导入图结构，加载.meta文件
saver = tf.train.import_meta_graph(meta_path)

#恢复变量值，加载.ckpt文件
saver.restore(sess,tf.train.latest_checkpoint(model_dir))
#注意，这里我用的是tf.train.latest_checkpoint()函数，其作用是，返回最近一次保存的.ckpt数据文件，大家使用时完全可以手动赋值。

#获得默认图，即加载进来的图
graph = tf.get_default_graph()

#填充feed_dict
x = graph.get_tensor_by_name('input_images:0')#这里的input_images要替换成你的占位符
y = graph.get_tensor_by_name('input_labels:0')#这里的input_labels要替换成你的占位符
feed_dict={x:input_image,y:labels}

#通过图结构的名称来加载某结构的输出
conv1 = graph.get_tensor_by_name('conv1:0')#返回值是tensor

sess.run(conv1，feed_dict) #返回值为ndarry

注意：我们在使用get_tensor_by_name时，参数必须是：'层的名字：0',必须加“：0”。否则会报错：

ValueError: The name 'conv1' refers to an Operation, not a Tensor. 

这是因为，conv1代表的是操作的名字，加上：0指代tensorname

 

完整项目有助于大家加深理解，链接：https://github.com/chenlinzhong/gender-recognition