恢复完全连接的模型并预测

Question

我有一个具有3个隐藏层的基本模型，如下所示。我正在尝试使用tf.train.Saver（）保存学习到的参数，然后使用恢复的模型进行恢复和预测。我能够成功保存模型。但是我无法恢复和预测。我正在尝试以这种方式恢复和预测：

with tf.Session() as sess:
    model_saver = tf.train.import_meta_graph('./model4/model.ckpt.meta')
    model_saver.restore(sess, './model4/model.ckpt')
    X = tf.get_collection('X')[0]   #dont know why index is needed, I took it from somewhere
    Z7 = tf.get_collection("Z7")[0]
    print("Model restored.")

    #prediction!
    prediction = sess.run(Z7, feed_dict={X: X_test})
    print(prediction)

这就是我模型中的内容。

#Forward prop
Z4 = tf.contrib.layers.fully_connected(X, 250)
Z5 = tf.contrib.layers.fully_connected(Z4, 250)
Z6 = tf.contrib.layers.fully_connected(Z5, 25)
Z7 = tf.contrib.layers.fully_connected(Z6, 1, activation_fn=None)

#saving
saver = tf.train.Saver()
save_path = saver.save(sess, path)

我使用[0]的列表索引超出范围。删除它时，我得到“不可散列的类型：'列表'”。请帮助