python - 如何应用训练有素的神经网络？

[Python 3.7，Tensorflow]我已经训练了一个神经网络。一切正常，它可以学习，但是一旦完成学习，它就会关闭并失去进度。现在，我要做的就是输入新数据，然后手工查看网络的性能。

我已经摆弄了

saver = tf.train.Saver()
saver.save(sess, 'model/model.ckpt')

但这总是导致一英里长的错误报告，以“未知错误：无法重命名'model / model.ckpt'”等结尾。

上下文中的代码如下所示：

def train_neural_network(x):
    training_data = generate_training_data() # i cut getting training data since its a bit out of context here, but its basically like mnist data

    prediction = neural_network_model(x) # normal, 3-layer feed forward NN
    cost = tf.reduce_mean( tf.square(prediction - y) )
    optimizer = tf.train.AdamOptimizer(0.01).minimize(cost)

    hm_epochs = 10
    saver = tf.train.Saver()

    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())

        for epoch in range(hm_epochs+1):
            epoch_loss = 0

            for i in range(10):
                epoch_x, epoch_y = training_data

                _, c = sess.run([optimizer, cost], feed_dict = {x: epoch_x, y: epoch_y})

        saver.save(sess, 'model/model.ckpt')

我尝试将这个训练有素的神经网络称为main：

train_neural_network(x)

X, Y = generate_training_data()

prediction = neural_network_model(x)
saver = tf.train.Saver()

with tf.Session() as sess:

     saver.restore(sess, 'model/model.ckpt')
     result = sess.run(prediction, feed_dict={x: X})

print(Y, result)

到目前为止，所有内容都在一个文件中，但是我也可以处理两个单独的文件。

这会导致错误，表示通常的python错误，包含其路径并以结尾
“ ...在_do_call中
    提高类型（e）（node_def，op，消息）”
在我看来，Tensorflow特定的错误出现之前：
“未知错误：无法重命名'model / model.ckpt'”
和
“由op'save_13 / SaveV2'引起，定义于：”，
然后有一条很长的路，大约87行，
再次重复“未知错误”。

我想要的是带有来自神经网络预测输出的输出的标签。 （代码中的打印行。）

不幸的是，到目前为止，我还没有发现任何可用于各种互联网搜索的内容，但是我觉得让它起作用并不难。
先感谢您。

最佳答案

如果查看模型输出检查点（/ model）的文件夹，则每个保存应看到3个单独的文件：model.ckpt-xxx.data，model.ckpt-xxx.index和model.ckpt-xxx .meta，其中xxx是Tensorflow附加的检查点的ID。

当您想还原某个检查点时，还必须添加ID，因为通常在训练过程中会创建同一网络的多个检查点，以便以后可以在必要时对网络进行重新训练。

因此，我将在模型文件夹中查看并仔细检查文件名，我猜是
如果仅创建一个检查点，则saver.restore(sess, 'model/model.ckpt-0')可以解决问题。

关于python - 如何应用训练有素的神经网络？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56383676/