关于Tensorflow 利用模型预测测试集结果的思路

训练好模型后，要做预测，有两种思路：
（1）可以不保存模型参数的情况下，做预测，
就在训练模型的py代码里，当训练模型结束后，直接调用测试语料集来做测试，直接将测试的pred输出出来，就可以了，这也就是语料集的结果。
这样做的缺点就是每次都要重新训练，训练后才可以做预测，而且每次预测的结果可能有差别。
（2）保存模型参数
将训练模型的代码和预测的代码分开，训练模型后，将参数保存下来，
然后用预测的代码首先读取模型参数，对输出的语料集进行预测得到pred，将pred输出就是语料集输输入对应的预测输出结果。
这样分开来做，每次可以不用训练模型，每次的输出结果都是一样的，因为模型参数已经固定了。

后记：自己也有很多没搞懂的，只能一步一步来，训练模型保存参数的方法比较简单，重要是load模型来使用做预测，这篇是讲解思路，下一篇会去讲解如何使用，自己也是学习tensorflow的一员，希望和大家一起学习，共同进步。