如何从TF model加载.ckpt，.meta output ffiles，输入预测数据并进行预测？

Question

我按照教程使用 tf.estimator.DNNLinearCombinedRegressor 来训练 TF model 来预测芝加哥出租车费用。 model 在 Google Cloud Storage 存储桶中生成以下输出。

• 检查点
• eval_estimator-eval/
• events.out.tfevents.1590293793.taxi-train-job-5-5qj5l
• 图.pbtxt
• model.ckpt-0.data-00000-of-00002
• model.ckpt-0.data-00001-of-00002
• model.ckpt-0.index
• model.ckpt-0.meta
• model.ckpt-15165.data-00000-of-00002
• model.ckpt-15165.data-00001-of-00002
• model.ckpt-15165.index
• model.ckpt-15165.meta
• model.ckpt-25000.data-00000-of-00002
• model.ckpt-25000.data-00001-of-00002
• model.ckpt-25000.index
• model.ckpt-25000.meta

问题：如何使用这些文件加载 model，输入新数据点并进行预测？ 假设这些是变量和对应的值：

• hour_of_day: 8
• 拾取纬度：41.5
• 皮卡经度：-87.2
• dropoff_latitude: 41.9
• dropoff_longitude：-87.1

我在网上搜索了答案，这就是我现在所拥有的。 它给了我错误信息。 任何人都可以帮助并让我知道如何纠正它吗？ 谢谢！

with tf.Session() as sess:
new_saver = tf.train.import_meta_graph('gs://folder_name/model.ckpt-15165.meta')
new_saver.restore(sess, tf.train.latest_checkpoint('gs://folder_name/'))

graph = tf.get_default_graph()

x = graph.get_tensor_by_name("Placeholder:0")
feed_dict = {x:[8, 41.5, -87.2, 41.9, -87.1]}



print(sess.run(feed_dict))

Answer 1

我想到了。

内置 function，便于预测。

    pred_input_func = tf.estimator.inputs.pandas_input_fn(x = x_test, shuffle = False)

    predictions = estimator.predict(pred_input_func)
    for result in predictions:
        print (result)