调用保存的.pb文件画混淆矩阵

以下是使用TensorFlow和sklearn库调用保存的.pb文件画混淆矩阵的示例代码：

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

# 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())

# 加载图
with tf.Graph().as_default() as graph:
    tf.import_graph_def(graph_def, name='')

# 获取输入和输出张量
input_tensor = graph.get_tensor_by_name('input_tensor:0')
output_tensor = graph.get_tensor_by_name('output_tensor:0')

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

# 运行模型
with tf.Session(graph=graph) as sess:
    predictions = sess.run(output_tensor, feed_dict={input_tensor: test_data})

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

# 打印混淆矩阵
print('Confusion Matrix:')
print(cm)

其中，`model.pb`是保存的.pb文件的文件名，`input_tensor`和`output_tensor`是模型的输入和输出张量的名称，`test_data`和`test_labels`是测试数据和标签。使用`np.argmax(predictions, axis=1)`将模型的输出转换为类别预测，然后计算混淆矩阵并打印。