对实验框架中保存的TensorFlow模型的预测

Question

我已通过实验框架成功培训并验证了我的TensorFlow模型。关于如何从保存的模型中对新样本进行预测，我有点迷失方向。我的实验代码与上一个单元格中定义的要素列类似：

def experiment_fn(output_dir):
    return tflearn.Experiment(
        tflearn.DNNClassifier(feature_columns=feature_cols,
                              hidden_units=[30, 2],
                              n_classes=2,
                              model_dir=output_dir),
        train_input_fn=get_train(),
        eval_input_fn=get_valid(),
        eval_metrics = {
    "accuracy":
        tf.contrib.learn.MetricSpec(
            metric_fn=tf.contrib.metrics.streaming_accuracy,
            prediction_key=tf.contrib.learn.PredictionKey.CLASSES),
    "precision":
        tf.contrib.learn.MetricSpec(
            metric_fn=tf.contrib.metrics.streaming_precision,
            prediction_key=tf.contrib.learn.PredictionKey.CLASSES),
    "recall":
        tf.contrib.learn.MetricSpec(
            metric_fn=tf.contrib.metrics.streaming_recall,
            prediction_key=tf.contrib.learn.PredictionKey.CLASSES)
}
    )

learn_runner.run(experiment_fn, 'model_trained')

关于保存和恢复模型的this post，我想我可以在DNNClassifier上检索预测方法，如下所示：

op_to_restore = graph.get_tensor_by_name("predict:0")

然后使用新样本构建一个feed_dict并运行：

print sess.run(op_to_restore,feed_dict)

然而，在成功恢复模型后，TensorFlow抱怨它无法找到“预测”。操作

这里的任何帮助将不胜感激。谢谢！