TensorFlow MNIST模型保存恢复报错：placeholder_1需输入值

我来帮你梳理下问题根源，以及对应的解决办法：

错误原因 #

你在恢复模型时犯了两个核心错误：

1. 模型结构不匹配：你重新定义了x和y作为占位符，但原模型中的y是通过tf.nn.softmax(tf.matmul(x,W) + b)计算出的输出张量，并非占位符；同时原模型里用于训练的真实标签占位符y_（也就是报错里的Placeholder_1）依然存在于计算图中，当你执行sess.run(y)时，TensorFlow会检查整个计算图的依赖，发现y_未被喂入数据，因此抛出错误。
2. Meta图保存缺失：你训练时使用了write_meta_graph=False参数，导致没有生成model_mnist.ckpt.meta文件，后续尝试用tf.train.import_meta_graph加载会直接失败。

修复方案 #

方案一：重新定义与训练一致的模型结构（无需Meta图）

这种方法不需要依赖Meta图文件，只需完全复刻训练时的模型结构（跳过训练相关的y_和优化器操作），再加载保存的变量即可：

import cv2
import numpy as np
import tensorflow as tf

# 图片预处理（和训练时逻辑一致）
img = cv2.imread('lena.png')
img = cv2.resize(img, (28,28))
img = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
arr = []
for i in range(28):
    for j in range(28):
        gray = 1 - img[i,j]/255
        arr.append(gray)
arr_mnist = np.array([arr])

# 复刻训练时的模型结构（仅保留推理必要部分）
tf.reset_default_graph()
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x,W) + b)

# 恢复模型变量
sess = tf.Session()
saver = tf.train.Saver()
saver.restore(sess, './model_mnist.ckpt')

# 执行推理（仅需喂入输入x的数据）
result = sess.run(y, feed_dict={x: arr_mnist})
print(result)
print("预测值为：",np.argmax(result[0]),"；概率为：",np.max(result[0])/np.sum(result[0]))

方案二：修改训练代码保存Meta图，直接加载完整计算图

如果你想直接加载训练时的计算图，需要先修改训练阶段的保存代码，让它生成Meta图文件：

# 训练时的保存代码修改为（去掉write_meta_graph=False）
save_path = saver.save(sess, "./model_mnist.ckpt")

之后使用以下代码恢复模型：

import cv2
import numpy as np
import tensorflow as tf

# 图片预处理
img = cv2.imread('lena.png')
img = cv2.resize(img, (28,28))
img = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)
arr = []
for i in range(28):
    for j in range(28):
        gray = 1 - img[i,j]/255
        arr.append(gray)
arr_mnist = np.array([arr])

# 加载完整计算图与变量
tf.reset_default_graph()
sess = tf.Session()
saver = tf.train.import_meta_graph('./model_mnist.ckpt.meta')
saver.restore(sess, './model_mnist.ckpt')

# 从图中获取输入x和输出y的张量
graph = tf.get_default_graph()
x = graph.get_tensor_by_name("Placeholder:0")  # 原模型中x的默认名称
y = graph.get_tensor_by_name("Softmax:0")      # 原模型中softmax输出的默认名称

# 执行推理
result = sess.run(y, feed_dict={x: arr_mnist})
print(result)
print("预测值为：",np.argmax(result[0]),"；概率为：",np.max(result[0])/np.sum(result[0]))

注：如果不确定张量名称，可以在训练时通过print(x.name)和print(y.name)查看具体名称，再替换到恢复代码中。

内容的提问来源于stack exchange，提问作者xuchenxing