TensorFlow使用保存好的模型进行测试

推荐看下面这篇博文，代码没问题：

https://blog.csdn.net/thriving_fcl/article/details/71423039#commentBox

由于TensorFlow相比keras较为复杂，所以附带一点自己的理解：

1. 测试的时候不需要进行变量初始化
2. 测试的时候没有反向传播的过程
3. tf.train.import_meta_graph()是导入训练时保存好的图
4. 在训练时保存了tf.add_to_collection(‘pred_network’, y)，我的理解是给模型输出y一个占位符。然后导入时用y = tf.get_collection(‘pred_network’)[0]来获取这个占位符。这样就相当于获取了模型输出了。这前面的[0]不能省。
5. inputs1=graph.get_operation_by_name(‘inputs1’).outputs[0]
   labels=graph.get_operation_by_name(‘labels’).outputs[0]
   训练模型时，inputs1和labels是我设置的两个placeholder，命名name='inputs1’和name=‘labels’，这里通过graph.get_operation_by_name().outputs[0]来获取这两个placeholder，我们可以在测试时往里面喂数据。这里的[0]也不能省。
6. 最后就是saver.restore()，以上就是恢复模型的重点。