上述如何做到给出完整代码

以下是一个完整的使用中文文本训练出来的ckpt模型进行文本分类的示例代码：

import tensorflow as tf
import numpy as np

# 加载ckpt模型
ckpt_path = 'path/to/your/ckpt/model'
sess = tf.Session()
saver = tf.train.Saver()
saver.restore(sess, ckpt_path)

# 获取模型的输入和输出节点
input_tensor = sess.graph.get_tensor_by_name('input:0')
output_tensor = sess.graph.get_tensor_by_name('output:0')

# 将中文例句转换成模型可以接受的格式
sentence = '这是一段中文文本'
# TODO: 将中文文本转换成数字向量或其他表示方法
input_data = ...

# 运行模型以获取预测结果
feed_dict = {input_tensor: input_data}
probs = sess.run(output_tensor, feed_dict=feed_dict)[0]
# 将概率分布转换为类别标签
label = np.argmax(probs)

print('文本分类结果：', label)

其中，`ckpt_path`需要根据你的具体情况修改为你的ckpt模型的路径。你需要手动构建计算图，并指定模型中每个变量的名称和形状。可以使用TensorFlow的Saver对象加载权重。你还需要将中文文本转换成模型可以接受的格式，例如将中文文本转换成数字向量表示或者使用其他的文本表示方法。最后，你可以使用softmax函数将概率分布转换为类别标签。