tensorflow在以构建好的cnn模型中读取手写数字集并输出的代码

以下是使用TensorFlow读取手写数字集并输出的代码示例：

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data

# 读取手写数字集
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

# 定义占位符
x = tf.placeholder(tf.float32, [None, 784])

# 定义模型
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)

# 创建会话
sess = tf.Session()

# 加载已经训练好的模型
saver = tf.train.Saver()
saver.restore(sess, "model.ckpt")

# 使用模型进行预测
prediction = tf.argmax(y, 1)
print("预测结果：", sess.run(prediction, feed_dict={x: mnist.test.images}))

在上面的代码中，首先使用`input_data.read_data_sets`函数读取手写数字集，并定义了一个占位符`x`作为输入。接着，定义了模型中的权重和偏差，并使用`tf.nn.softmax`函数计算模型的输出。然后，创建会话并使用`tf.train.Saver`加载已经训练好的模型。最后，使用`tf.argmax`函数对模型的输出进行预测，并将结果输出。注意，在运行代码前需要先训练好模型，并将训练好的模型保存为`model.ckpt`文件。