我正在学习如何将 tfrecords 与 tf.train.shuffle_batch 一起使用，我还使用了队列和线程。我以这种方式训练我的模型（图像classificator）没有任何问题，因为有很多关于如何做到这一点的文档。我可以保存并恢复提供相同tfrecord管道的模型，但我现在只想在将模型保存到tfrecord后将模型与单个图像（不是.pb）一起使用格式（保护架构信息）。
这就是我的所作所为：
queue_loader=Queue_loader(inputname,batch_size)
model=MyModel()
model.build(inputimages)
model.loss(inputlabels)
train_op = model.train()
saver = tf.train.Saver()
config = tf.ConfigProto()
config.gpu_options.allow_growth = True
sess = tf.Session(config=config)
sess.run(tf.local_variables_initializer())
sess.run(tf.global_variables_initializer())
ckpt = tf.train.get_checkpoint_state(checkpoints)
在每个纪元后我保存：
saver.save(sess, checkpoint, global_step=epoch)
queue_loader是一个将tf.train.shuffle_batch与tfrecords和队列一起调用的函数。
我不明白的是如何使用我的检查点文件与freeze.py冻结我的模型并在第二次使用它。我想做的是使用与使用占位符和feed_dictionary训练的模型相同的方法，但现在使用tf.train.shuffle_batch时我没有任何占位符，所以我不知道哪个图形的节点作为输入节点保存到我的图形中。事实上，我的模型中有这样的东西：
def build(self,X):
conv=tf.nn.relu((tf.nn.conv2d(X, W, strides=[1, 1, 1, 1]) + b))
等
因此，使用tf.train.shuffle_batch定义的输入管道可以防止使用pkaceholders，因此在使用脚本freeze.py定义我感兴趣的节点时，我不知道输入节点在哪里。
另一个问题是，即使仅使用 freeze.py 保存输出节点，我也不能像以前一样使用我的模型，因为当使用sess.run(feed_dictionary)访问它时，它开始永远等待一些线程被输入。我真的很困惑，你能给我一个提示或示例代码吗？
非常感谢您提前