调用保存的.pb文件画混淆矩阵

如果您有一个训练好的模型，可以使用以下代码调用保存的.pb文件来画混淆矩阵：

import tensorflow as tf
from sklearn.metrics import confusion_matrix
import numpy as np
import matplotlib.pyplot as plt

# 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())

with tf.Graph().as_default() as graph:
    tf.import_graph_def(graph_def)

# 定义输入和输出节点的名称
input_node = 'input:0'
output_node = 'output:0'

# 获取输入和输出张量
x = graph.get_tensor_by_name(input_node)
y = graph.get_tensor_by_name(output_node)

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

# 运行测试数据集
with tf.Session(graph=graph) as sess:
    y_pred = sess.run(y, feed_dict={x: test_data})

# 计算混淆矩阵
cm = confusion_matrix(test_labels, np.argmax(y_pred, axis=1))

# 可视化混淆矩阵
plt.imshow(cm, cmap=plt.cm.Blues)
plt.colorbar()
plt.xlabel('Predicted labels')
plt.ylabel('True labels')
plt.xticks(np.arange(10))
plt.yticks(np.arange(10))
plt.show()

上述代码中，我们首先加载保存的.pb文件，然后获取输入和输出节点的名称以及对应的张量。接下来，我们加载测试数据集并运行模型预测，最后计算混淆矩阵并可视化。