我的好友和我正在尝试利用LSTM张量流示例here中训练好的模型。我们已经能够训练我们的模型，保存模型，然后导入模型。我们刚刚使用过tensorflow的主管。它在教程中，但您可以阅读更多相关信息here。
这很奇怪，因为这里并没有很多明确的文档。我知道张量流是一种API，它现在经历了很多变化和调整，但很难找到明确的答案。例如，我们希望使用tf.train.Saver()，但我们不确定是否存在与tf.train.Supervisor() managed_session相当的内容。
然而，更重要的是，我们只想使用我们的模型。我们希望能够使用tensorflow.models.rnn.ptb.reader映射字符串。我们不确定如何做到这一点。我们传入一个字符串，我们希望在预测字符串中的下一个单词方面做一个简单的预测。所以，类似的东西：
import tensorflow as tf
sess = tf.Session()
new_saver = tf.train.import_meta_graph('ptbmodel.meta')
new_saver.restore(sess, tf.train.latest_checkpoint('./')) # latest checkpoint
all_vars = tf.global_variables()
# just want to make sure all our variables are there!
for v in all_vars:
v_ = sess.run(v)
print("This is {} with value: {}".format(v.name, v_))
sent = raw_input("Enter a string where you want to predict the next word: ")
split_sent = sent.split()
# THEN map these words into our LSTM model and pull off the most likely word that
# is coming next
但是，我的伙伴和我对此非常陌生，所以我们不确定要去哪里。我知道这对于堆栈来说可能过于宽泛了，但是我们一直在倾注文档并且已经取得了很大进展。 任何帮助将非常感激！
我们已经找到了这些其他Stack链接。请查看here和here。
我们不确定如何将logits概率列表与任何有意义的词联系起来。