神经网络模型加载后测试效果不对

Question

tensorflow框架训练好的神经网络模型，加载之后再去测试准确率特别低
图中是我的加载方法
麻烦大神帮忙指正，是不是网络加载出现问题

首先手动重新构建了模型：以下代码省略了权值、偏置和网络搭建

# 构建模型
pred = alex_net(x, weights, biases, keep_prob)

# 定义损失函数和优化器
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits_v2(labels=y,logits=pred))#softmax和交叉熵结合

optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)
# 评估函数
correct_pred = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))

accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))

# 3.训练模型和评估模型


# 初始化变量
init = tf.global_variables_initializer()

saver = tf.train.Saver()
with tf.Session() as sess:

  # 初始化变量
  sess.run(init)

  saver.restore(sess, tf.train.latest_checkpoint(model_dir))

  pred_test=sess.run(pred,{x:test_x,
                       keep_prob:1.0})
  result=sess.run(tf.argmax(pred_test, 1))

Answer 1

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 关于该问题，我找了一篇非常好的博客，你可以看看是否有帮助，链接：简单的神经网络解决实际问题

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^