调用保存的.pb文件画混淆矩阵

首先，需要加载 TensorFlow 和其他必要的库：

import tensorflow as tf
import numpy as np
from sklearn.metrics import confusion_matrix

接着，加载保存的.pb文件和测试数据：

# 加载保存的.pb文件
with tf.gfile.GFile('model.pb', 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    tf.import_graph_def(graph_def, name='')

# 加载测试数据
test_images = np.load('test_images.npy')
test_labels = np.load('test_labels.npy')

然后，定义一个函数来计算混淆矩阵并绘制它：

def plot_confusion_matrix(test_images, test_labels):
    with tf.Session() as sess:
        # 获取输入和输出张量
        input_tensor = sess.graph.get_tensor_by_name('input:0')
        output_tensor = sess.graph.get_tensor_by_name('output:0')
        
        # 对测试集进行预测
        predicted_labels = sess.run(output_tensor, feed_dict={input_tensor: test_images})
        
        # 计算混淆矩阵
        cm = confusion_matrix(test_labels, predicted_labels.argmax(axis=1))
        
        # 绘制混淆矩阵
        plt.figure(figsize=(8, 8))
        plt.imshow(cm, cmap=plt.cm.Blues)
        plt.title('Confusion Matrix')
        plt.colorbar()
        plt.xticks(range(10))
        plt.yticks(range(10))
        plt.xlabel('Predicted Label')
        plt.ylabel('True Label')
        plt.show()

最后，调用函数绘制混淆矩阵：

plot_confusion_matrix(test_images, test_labels)

这将绘制一个混淆矩阵，其中每个单元格表示预测为某个类别的图像的数量。对角线上的单元格表示正确分类的图像，非对角线上的单元格表示错误分类的图像。